特征 OLS 与 python statsmodel.api.OLS

Question

我需要计算斜率，线的截距，以便在 2 个向量与数据之间进行回归。 所以我用python下面的代码做了一个原型：

A = [1,2,5,7,14,17,19]
b = [2,14,6,7,13,27,29]

A = sm.add_constant(A)
results = sm.OLS(A, b).fit()

print("results: ", results.params)

输出：[0.04841897 0.64278656]

现在我需要在 C++ 中使用 Eigen lib 来复制它，据我所知，我需要在 A 的矩阵中传递一个“1”列。如果我这样做，我得到的回归结果与我只使用 no 时完全不同第二列或“0”列。 C++代码如下：

Eigen::VectorXd A(7);
Eigen::VectorXd b(7);

A << 1,2,5,7,14,17,19;
b << 2,14,6,7,13,27,29;

MatrixXd new_A(A.rows(), 2);
VectorXd d = VectorXd::Constant(A.rows(), 1);
new_A << A, d;

Eigen::MatrixXd res = new_A.bdcSvd(Eigen::ComputeThinU | Eigen::ComputeThinV).solve(b);

cout << " slope: " << res.coeff(0, 0) << " intercept: " << res.coeff(1, 0) << endl;
cout << "dbl check: " << (new_A.transpose() * new_A).ldlt().solve(new_A.transpose() * b) << endl;

将“1”列添加到 new_A 的输出 -> 斜率：1.21644 截距：2.70444 带有“0”或未添加列的输出 -> 斜率：0.642787 截距：0

如何在 C++ 中获得相同的结果？ 哪一个是正确的，我似乎更信任 python 一个，因为当我使用 0 列时我得到了相同的结果。

谢谢你，

梅林

Answer 1

看来我必须用 b 反转 new_A，并用 ComputeFull 替换 ComputeThin 以便它构建。

Eigen::MatrixXd res = b.bdcSvd(Eigen::ComputeFullU | Eigen::ComputeFullV).solve(new_A);