Ich habe diese einfache Regressionsmodell:Constrained Regression in Python
y = a + b * x + c * z + error
mit einer Einschränkung für Parameter:
c = b - 1
Es gibt ähnliche Fragen auf SO geschrieben (wie Constrained Linear Regression in Python). Der Typ der Einschränkungen ist jedoch lb <= parameter =< ub
.
Welche Optionen stehen zur Verfügung, um dieses spezielle eingeschränkte lineare Regressionsproblem zu lösen?
algebraisch beseitigen b oder c, tun die Regression und calc c oder b könnte sogar die Algebra in sympy tun, wenn es kompliziert genug waren – f5r5e5d
zu rechtfertigen @ f5r5e5d algebraische Eliminierung von b oder c führt zu einem anderen eingeschränkten Modell. Um genauer zu sein, kann man die ursprüngliche Regressionsgleichung wie folgt umschreiben: y = a + b * (x + z) - z + Fehler, was äquivalent zu y = a + b * w - d * z + Fehler, s. d = 1 '(wobei "w", der neue Regressor, "x + z" ist). Darüber hinaus leidet diese Neuformulierung des ursprünglichen Problems unter Kollinearität. – Javad
Nur eine Idee: Sehen Sie sich das Modul [cvxopt] (http://cvxopt.org/) an. – Thomas