python - 如何在 python 中添加回归函数，或根据给定系数创建新的回归函数？

Question

对于一个数据点，我有一个回归函数，g1(x) = 5x - 1。我有另一个回归函数，g2(x) = 3x + 4。

我想添加这两个模型来创建最终的回归模型，G(x)。

这意味着:

G(x) = g1(x) + g2(x) 
=> 5x - 1 + 3x + 4
=> 8x +3 

我的问题是，如何在 python 中完成此操作？如果我的数据集是 X，我将使用这样的 statsmodels:

import statsmodels.api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
import numpy as np

mod_wls = sm.WLS(y, X)
res_wls = mod_wls.fit()
print res_wls.params

这给了我适合数据X的回归函数的系数。要添加函数，我可以轻松获取每个函数的系数，并将它们相加以获得新回归函数(例如 G(x))的系数。但是现在我已经有了自己的系数，如何将它们转换为回归函数并使用它们来预测新数据？因为据我所知，模型必须先与数据“拟合”，然后才能用于预测。

或者有没有办法直接添加回归函数？我将在我的算法中迭代地添加函数。

Answer 1

该模型生成的预测应该是准确的

np.dot(X_test, res_wls.params)

因此，如果您想对多个模型求和，例如

summed_params = np.array([res_wls.params for res_wls in all_my_res_wls]).sum(axis=0)

你的预测应该是

np.dot(X_test, summed_params)

在这种情况下，无需使用估计器的内置函数。