ols

描述

普通最小二乘(OLS)回归。 用于拟合线性回归模型 y = Xβ + ε,其中β是要估计的回归系数。

函数签名

ols(x, y, calculate_r2) -> None

参数

x (numpy.ndarray)

设计矩阵,形状为(n_samples, n_features)

y (numpy.ndarray)

响应变量,形状为(n_samples,)

calculate_r2 (bool, optional)

是否计算R²值,默认为True

返回值


numpy.ndarray 回归系数β

Python调用示例: ```python import numpy as np from rust_pyfunc import ols

准备训练数据

X = np.array([[1, 1], [1, 2], [1, 3]], dtype=np.float64) # 包含一个常数项和一个特征 y = np.array([2, 4, 6], dtype=np.float64) # 目标变量

拟合模型

coefficients = ols(X, y) print(f"回归系数: {coefficients}") # 预期输出接近[0, 2],表示y ≈ 0 + 2x ```

示例

输入:

ols( np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]), np.array([2.0, 3.0, 4.0]) )

输出:

array([nan, nan, nan, nan], dtype=float64)

输入:

ols( np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]), np.array([2.0, 3.0, 4.0]), False )

输出:

array([nan, nan, nan], dtype=float64)

Python使用示例

import numpy as np
from rust_pyfunc import ols

# 使用示例


result = ols(np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]), np.array([2.0, 3.0, 4.0]))
print(f"结果: {result}")