Python 中的正系数线性回归

Question

我正在尝试找到一种方法来拟合具有正系数的线性回归模型。

我发现的唯一方法是sklearn的Lasso模型，它有一个

positive=True

参数，但不建议与

alpha=0

一起使用（意味着对权重没有其他限制）。

你知道另一种模型/方法/方式吗？

Answer 1

IIUC，这个问题可以通过

scipy.optimize.nnls

来解决，它可以做非负最小二乘。

解决argmin_x || Ax - b ||_2 对于 x>=0。

在您的情况下，b是y，A是X，x是β（系数），但是，否则，它是相同的，不是吗？

Answer 2

许多函数可以保持具有正系数的线性回归模型。

1. scipy.optimize.nnls可以解决上述问题。
2. scikit-learn LinearRegression可以设置参数

   positive=True

   来解决这个问题。而且，sklearn 还使用

   scipy.optimize.nnls

   。有趣的是，您可以学习如何在源代码中编写多个目标输出。
3. 此外，如果您想求解具有变量界限的线性最小二乘法。你可以看到lsq_线性 .

Answer 3

从版本 0.24 开始，scikit-learn

LinearRegression

包含一个类似的参数

positive

，它正是这样做的；来自文档：

正：布尔，默认=False

设置为

True

时，强制系数为正。此选项仅支持密集数组。

0.24版本新增功能。