python 中的加权最小绝对回归？

Question

我想知道 Python 中是否有 function 可以通过最小绝对偏差并考虑点的不确定性找到一组数据的最佳拟合线（2D）或最佳拟合平面（3D）。

事实上，我有 3d 点，我想要它们中最适合的平面。 在 sklearn 和 statsmodel python 库中都有加权最小二乘 (WLS) 拟合 function，并且通过将 q=0.5 放入 statsmodel 的分位数回归中，我得到了最小的绝对偏差。 但是，我怎样才能让加权最小绝对回归拟合 function？

Answer 1

最小二乘法或等效的基于 chi^2 的方法更容易，因为它们的一阶导数是平滑的 function。 如果您希望绝对偏差最小化，那么您可以使用scipy.minimize()和适当定义的目标 function。 另一种方法是找到您的目标 function 平滑的范围，以线性方式优化每个范围，然后在这些结果中选择最佳值。