python - regresion - ¿Cómo forzar la intercepción cero en la regresión lineal?

regresion lineal polinomial python

Question

Soy un poco nuevo, así que disculpas si esta pregunta ya ha sido respondida, he echado un vistazo y no pude encontrar específicamente lo que estaba buscando.

Tengo algunos datos más o menos lineales del formulario.

x = [0.1, 0.2, 0.4, 0.6, 0.8, 1.0, 2.0, 4.0, 6.0, 8.0, 10.0, 20.0, 40.0, 60.0, 80.0]
y = [0.50505332505407008, 1.1207373784533172, 2.1981844719020001, 3.1746209003398689, 4.2905482471260044, 6.2816226678076958, 11.073788414382639, 23.248479770546009, 32.120462301367183, 44.036117671229206, 54.009003143831116, 102.7077685684846, 185.72880217806673, 256.12183145545811, 301.97120103079675]

Estoy usando scipy.optimize.leastsq para ajustar una regresión lineal a esto:

def lin_fit(x, y):
''''''Fits a linear fit of the form mx+b to the data''''''
fitfunc = lambda params, x: params[0] * x + params[1] #create fitting function of form mx+b
errfunc = lambda p, x, y: fitfunc(p, x) - y #create error function for least squares fit
init_a = 0.5 #find initial value for a (gradient)
init_b = min(y) #find initial value for b (y axis intersection)
init_p = numpy.array((init_a, init_b)) #bundle initial values in initial parameters
#calculate best fitting parameters (i.e. m and b) using the error function
p1, success = scipy.optimize.leastsq(errfunc, init_p.copy(), args = (x, y))
f = fitfunc(p1, x) #create a fit with those parameters
return p1, f 

Y funciona a la perfección (aunque no estoy seguro de que scipy.optimize sea lo correcto para usar aquí, ¿podría ser un poco exagerado?).

Sin embargo, debido a la forma en que se encuentran los puntos de datos, no me da una intercepción del eje y en 0. Sin embargo, sí sé que tiene que ser cero en este caso, if x = 0 than y = 0 .

¿Hay alguna manera de forzar esto?

Answer 1

Como mencionó @AbhranilDas, solo use un método lineal. No hay necesidad de un solucionador no lineal como scipy.optimize.lstsq .

Normalmente, usará numpy.polyfit para ajustar una línea a sus datos, pero en este caso tendrá que usar numpy.linalg.lstsq directamente, ya que desea establecer la intercepción en cero.

Como un ejemplo rápido:

import numpy as np
import matplotlib.pyplot as plt
x = np.array([0.1, 0.2, 0.4, 0.6, 0.8, 1.0, 2.0, 4.0, 6.0, 8.0, 10.0,
20.0, 40.0, 60.0, 80.0])
y = np.array([0.50505332505407008, 1.1207373784533172, 2.1981844719020001,
3.1746209003398689, 4.2905482471260044, 6.2816226678076958,
11.073788414382639, 23.248479770546009, 32.120462301367183,
44.036117671229206, 54.009003143831116, 102.7077685684846,
185.72880217806673, 256.12183145545811, 301.97120103079675])
# Our model is y = a * x, so things are quite simple, in this case...
# x needs to be a column vector instead of a 1D vector for this, however.
x = x[:,np.newaxis]
a, _, _, _ = np.linalg.lstsq(x, y)
plt.plot(x, y, ''bo'')
plt.plot(x, a*x, ''r-'')
plt.show()

Answer 2

No soy experto en estos módulos, pero tengo algo de experiencia en estadísticas, así que esto es lo que veo. Necesitas cambiar tu función de ajuste de

fitfunc = lambda params, x: params[0] * x + params[1] 

a:

fitfunc = lambda params, x: params[0] * x 

También quite la línea:

init_b = min(y) 

Y cambia la siguiente línea a:

init_p = numpy.array((init_a))

Esto debería eliminar el segundo parámetro que está produciendo la intersección en y y pasar la línea ajustada a través del origen. Puede que haya un par de modificaciones menores que deba hacer para esto en el resto de su código.

Pero sí, no estoy seguro de si este módulo funcionará si simplemente arrancas el segundo parámetro de esta manera. Depende del funcionamiento interno del módulo en cuanto a si puede aceptar esta modificación. Por ejemplo, no sé dónde se están inicializando los parámetros, la lista de parámetros, así que no sé si al hacer esto cambiará su longitud.

Y aparte de eso, como mencionaste, creo que esta es una forma exagerada de optimizar solo una pendiente. Puedes leer un poco la regresión lineal y escribir un código pequeño para hacerlo tú mismo después de un cálculo de la parte posterior del sobre. Es bastante simple y directo, la verdad. De hecho, solo hice algunos cálculos, y supongo que la pendiente optimizada será <xy>/<x^2> , es decir, la media de los productos x * y dividida por la media de x ^ 2.