Полиномиальная регрессия с потерями с использованием numpy

Проблема в том, что мне нужен математический метод для моделирования знака набора значений x, y. В частности, я знаю, что существуют методы использования полиномиальной регрессии, однако, если мне важен только знак значений (+/-), есть ли более простой способ? Мой текущий метод сделать это:

import numpy
numpy.polyfit(x_bytearray,y_bytearray)

однако меня волнует только то, дает ли результат мне положительное значение, если значение y_bytearray было положительным, и отрицательное, если значение y_bytearray было отрицательным. Можно ли как-то возиться с кодом полифита, чтобы использовать другой метод взвешивания, отличный от метода наименьших квадратов?

Редактировать Знак x равен sign(x)= x/abs(x) (-1 или 1), а подобранный полином или другое выражение должно удовлетворять только тому требованию, что sign(y_bytearray[i]) знак == (вычислено_y[i]).


person Snakes and Coffee    schedule 22.07.2012    source источник
comment
Извините, неясно: входная кривая y() -> plusorminus(любой x или только x в x_bytearray)? Можете ли вы привести пример хорошего/плохого plusminus()?   -  person denis    schedule 22.07.2012
comment
Похоже, вы хотите что-то вроде регрессии Пуассона.   -  person talonmies    schedule 22.07.2012
comment
С чего бы это? Если для некоторой моделирующей функции p(x) ‹ 0, где y_bytearray[x] ‹ 0, и p(x) › 0, где y_bytearray[x] › 0, я, очевидно, получаю значимое приближение. Полиномиальная регрессия не обязательно линейна.   -  person Snakes and Coffee    schedule 26.07.2012


Ответы (1)


Метод наименьших квадратов популярен, потому что его легко вычислить. Есть много других возможных методов, но они вряд ли будут реализованы в библиотеках, поэтому вам придется делать их самостоятельно.

Еще одна вещь, на которую стоит обратить внимание, — это бинарная классификация. Существует множество методов классификации, но одним из лучших является случайный лес.

person Antimony    schedule 22.07.2012