least-squares 的现有 python 实现来找到离几个超平面最近的点？

Question

描述了如何使用least-squares方法在n-dimensionalspace中找到离多条线最近的点。是否有任何现有的实现，但对于最接近 n-dimensional space 中的多个 m-flats 的点？

我的用例是我使用多元线性回归来确定自变量向量 x 和因变量向量 y[=33= 之间的关系]，现在我想找到 x 使随机过程输出值尽可能接近实验数据 y_exp.由于运行 MvLR 产生一组 n-dimensional 等式，如下所示...

$\begin{align*} (1) \quad y_1 &= \beta_{11} * x_1 + ... + \beta_{2p} * x_p\\ &\cdots\\ \quad y_q &= \beta_{12} * x_1 + ... + \beta_{qp} * x_p \end{align*}$

...我有 y_1, ... y_q 的实验值，这些方程中的每一个都代表 [=37= 中两个 (n-1)-flat 之间的交集] space（一个由等式 (1) 描述，另一个由 y_1 = y_exp_1 描述），它应该产生 (n-2)-flat。

是否有现有的实现可以找到一组好的 x_1，... x_p 让我最接近这些 (n-2)-flats？

Answer 1

与其像那样解释方程组，不如将其视为具有 p 个变量的一组简单的 q 线性方程组——在这种情况下，问题有很多更简单的解决方案！

这组方程式 100% 等价于...

$\vec{b}=A\vec{x}$

其中：

$A=\beta^{\top}= \begin{pmatrix} \beta_{11} & \cdots & \beta_{p1} \\ \vdots & \ddots & \vdots \\ \beta_{1q} & \cdots & \beta_{qp} \end{pmatrix}$

$\vec{x}= \begin{pmatrix} x_{1} \\ \vdots \\ x_{p} \end{pmatrix}$

$\vec{b}= \begin{pmatrix} y_{1} \\ \vdots \\ y_{q} \end{pmatrix}$

在这种情况下，最小二乘近似法产生...

$A^{\top}A\vec{x}^*=A^{\top}\vec{b}$

假设矩阵 A 的秩等于 q （即，您有足够的线性无关方程来求解问题，这如果您的数据是实验性的，则可能会受到尊重），那么这相当于：

$\vec{x}^*=(A^{\top}A)^{-1}A^{\top}\vec{b}$

有关这方面的解释，请参阅 this excellent video。

Python代码：

import numpy as np

A = np.array(...) # The 2D array as described
b = np.array(...) # The 1D array as described

a_rank = np.linalg.matrix_rank(A)
if a_rank != b.size:
    raise ValueError(
        "Rank of matrix A for least squares approximation is "
        + f"inappropriate. Expected {b.size} but was {a_rank}. This "
        + "means either there are not enough equations, or there are "
        + "but too many of the equations are linearly dependant."
    )
x_star = np.linalg.inv(A.transpose().dot(A)).dot(A.transpose()).dot(b)
print("x*:", x_star)

如果您还想要 R²：

# A.transpose() because A is equal to Beta transposed, and we want to do
# (x*) * Beta
b_hat = x_star.reshape((1, x_star.size)).dot(A.transpose()).reshape(b.size)
sse = np.square(b - b_hat).sum()
sst = np.square(b - b.mean()).sum()
rsquared = 1 - sse / sst

least-squares 的现有 python 实现来找到离几个超平面最近的点？

Existing python implementation of least-squares to find closest point to several hyperplanes?

python

linear-regression

linear-algebra

intersection