拟合分布的线性组合
Fitting a linear combination of distributions
我有 5 个数组（pandas 数据框的列）
我想计算分布的线性组合与指数分布的最佳拟合。
例如：
a*(d1)+b*(d2)+c*(d3)+d*(d4)+e*(d5)=Y
其中 Y 呈指数分布（我知道），a、b、c、d、e 是要拟合的系数。
我尝试使用 curve_fit 或 lmfit python 库，但不知道如何有效地使用它。
您描述的是线性模型。使用包 scikit-learn:
from sklearn.linear_model import LinearRegression
X = df[['d1', 'd2', 'd3', 'd4', 'd5']]
reg = LinearRegression().fit(X, Y)
reg.get_params()
我有 5 个数组（pandas 数据框的列） 我想计算分布的线性组合与指数分布的最佳拟合。 例如：
a*(d1)+b*(d2)+c*(d3)+d*(d4)+e*(d5)=Y
其中 Y 呈指数分布（我知道），a、b、c、d、e 是要拟合的系数。
我尝试使用 curve_fit 或 lmfit python 库，但不知道如何有效地使用它。
您描述的是线性模型。使用包 scikit-learn:
from sklearn.linear_model import LinearRegression
X = df[['d1', 'd2', 'd3', 'd4', 'd5']]
reg = LinearRegression().fit(X, Y)
reg.get_params()