[英]Vector autoregressive model fitting with scikit-learn
我正在尝试使用scikit-learn中包含的广义线性模型拟合方法拟合向量自回归(VAR)模型。 线性模型具有y = X w的形式,但系统矩阵X具有非常特殊的结构:它是块对角线,并且所有块都是相同的。 为了优化性能和内存消耗,模型可以表示为Y = BW ,其中B是来自X的块, Y和W现在是矩阵而不是向量。 LinearRegression,Ridge,RidgeCV,Lasso和ElasticNet类很容易接受后一种模型结构。 但是,由于Y是二维的,因此适合LassoCV或ElasticNetCV失败。
我发现https://github.com/scikit-learn/scikit-learn/issues/2402从这个讨论中我假设LassoCV / ElasticNetCV的行为是有意的。 除了手动实现交叉验证之外,有没有办法优化alpha / rho参数?
此外,scikit-learn中的贝叶斯回归技术也期望y是一维的。 有没有办法解决?
注意:我使用scikit-learn 0.14(稳定)
为了预测矩阵而不是向量,Lasso和ElasticNet就是他们的MultiTask *对应物:
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.MultiTaskLasso.html http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.MultiTaskElasticNet.html
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.