ols_predict
描述
使用已有数据和响应变量,对新的数据点进行OLS线性回归预测。
函数签名
ols_predict(x, y, x_pred) -> None
参数
x
(numpy.ndarray)
原始设计矩阵,形状为(n_samples, n_features)
y
(numpy.ndarray)
原始响应变量,形状为(n_samples,)
x_pred
(numpy.ndarray)
需要预测的新数据点,形状为(m_samples, n_features)
返回值
numpy.ndarray 预测值,形状为(m_samples,)
Python调用示例: ```python import numpy as np from rust_pyfunc import ols_predict
准备训练数据
X_train = np.array([[1, 1], [1, 2], [1, 3]], dtype=np.float64) y_train = np.array([2, 4, 6], dtype=np.float64)
准备预测数据
X_pred = np.array([[1, 4], [1, 5]], dtype=np.float64)
进行预测
predictions = ols_predict(X_train, y_train, X_pred) print(f"预测值: {predictions}") # 预期输出接近[8, 10] ```
示例
输入:
ols_predict(
np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]),
np.array([2.0, 3.0, 4.0]),
np.array([[1.0, 4.0], [1.0, 5.0]])
)
输出:
array([nan, nan], dtype=float64)
Python使用示例
import numpy as np
from rust_pyfunc import ols_predict
# 使用示例
result = ols_predict(np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]), np.array([2.0, 3.0, 4.0]), np.array([[1.0, 4.0], [1.0, 5.0]]))
print(f"结果: {result}")