使用具有复杂数据的 Sklean Huber 回归器

Question

我有一个相当大的代码，在其最后阶段，我必须使用来自 sklearn.linear_model.HuberRegressor 的 Huber Regressor 求解线性系统。 但是，我的矩阵和向量 arrays 都是由复杂数据组成的，前面提到的 function 不支持。 因此，我已经看到我可以将一个复杂的线性系统重写为一个真实的系统，例如：

复杂系统：Ay = b

等效实系统：[[Re(A), -1*Im(A)],[Im(A), Re(A)]] x = [Re(b), Im(b)]

因此我对它进行了相应的编码。 但是，问题是我的结果到目前为止不正确，我不确定我是否正确构建了线性系统，或者是否有更有效的方法来做到这一点。

我的代码：

# H and b are the original (complex) matrix and vector, respectively

b_re = np.real(y); b_im = np.imag(y)
b = np.hstack((b_re,b_im))

A_re = np.real(H); A_im = np.imag(H)

A = np.block([
            [A_re, -1*A_im],
            [A_im, A_re]
            ])

huber = HuberRegressor(alpha=0).fit(A, b)
x = huber.coeff_

x_re = x[0:int(x.size//2)]; x_im = x[int(x.size//2):int(x.size)]
x = x_re + 1j*x_im

老实说，我什至不确定这有什么问题，只是我在过去 3 个月里查看了所有其他步骤，我真的不知道错误可能出在哪里。 任何帮助或意见将不胜感激。