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}")