0
scipy.linprog를 사용하여 L1 회귀를 해결하려고하지만 오류가 발생합니다. | 도끼-B |scipy.linprog를 사용하여 L1 회귀 분석 get ValueError : 입력 배열을 shape (20,1)에서 shape (20)로 방송 할 수 없습니다.
import numpy as np
from sklearn import datasets
from scipy.optimize import linprog
def generate_dataset(n, d):
A, b, coef = datasets.make_regression(n_samples=n,
n_features=d,
n_informative=d,
noise=10,
coef=True,
random_state=0)
return A, b, coef
def solver(A, b):
n = len(A)
m = len(A[0])
c = np.vstack((np.zeros((m, 1)), np.ones((n, 1))))
A_ = np.vstack((np.hstack((A, -np.eye(n))), np.hstack((-A, -np.eye(n)))))
b_ = np.vstack((b, -b))
res = linprog(c, A_ub=A_, b_ub=b_)
return res
A, b, coef = generate_dataset(10, 10)
res = solver(A, b)
print(res)
print(coef)
generate_dataset 기능은 무작위로 10 개 기능 10 개 샘플의 데이터 세트를 생성 한 후 나는 분을 해결하려고합니다. 이는 선형 프로그래밍을 사용하여 절대 편향 회귀를 최소화하는 간단한 문제입니다. 그러나 오류가 발생합니다. 오류는 ValueError: could not broadcast input array from shape (20,1) into shape (20)입니다. 일부 매트릭스의 치수에 문제가있을 것으로 생각하지만, 알아낼 수는 없습니다.
오류가 발생을? 'linprog' 호출에서? 이 함수에 대한 3 가지 입력의 '모양'은 무엇입니까? – hpaulj
'c '가 (m + n, 1) 배열로 만들어진 이유는 무엇입니까? 왜'(m + n,)'이 아니겠습니까? – hpaulj
다른 옵티 마이저로 전환하는 것을 고려하십시오. linprog는 많은 기쁨을 가져다주지 못합니다 (수정 된 예제는 배가 된 차원에서 실패 할 것입니다). GLPK, CBC 및 cvxpy 및 펄프와 같은 우수한 모델링 도구와 같은 LP 솔버가 훨씬 우수합니다. Cobyla 또는 SLSQP와 함께 scipy.optimize.minimize를 사용하면 데이터가 그렇게 크지 않을 수도 있습니다. – sascha