Also:
1. Hat das nichts, aber auch gar nichts mit Zehn- oder Mehrdimensionalität zu tun.
2. Nochmal: Ich habe da Etwas verlinkt. Ist es das was Du brauchst? Wenn nein, warum nicht?
lineare Regression in Numpy
wenn ich das einfache Beispiel um meine Werte erweitere, müsste die Funktion etwa so aussehen
yi = w0 + w1x1i + w2x2i +...+ w10x10i+ ei
oder?
in der ols.py die du angegeben hast verstehe ich nicht jeden angegebenen statistischen Wert, aber wenn die "coefficient"s dem w0 - wi entsprechen geht es schon in die richtige Richtung, nur wo stelle ich ein, welcher Ordnung die Funktion sein soll (x^1, x^2, ...)?
yi = w0 + w1x1i + w2x2i +...+ w10x10i+ ei
oder?
in der ols.py die du angegeben hast verstehe ich nicht jeden angegebenen statistischen Wert, aber wenn die "coefficient"s dem w0 - wi entsprechen geht es schon in die richtige Richtung, nur wo stelle ich ein, welcher Ordnung die Funktion sein soll (x^1, x^2, ...)?
Das war nicht der einzige Link (aber zugegeben: Die andere Anmerkung ist kein Link im engeren Sinne - lesen darfst Du sie trotzdem).
Da Du nicht sagst, was der Hintergrund ist, können wir auch nicht sagen, was die Lösung ist. OLS ist ein bißchen was Anderes als numpy.polynomial.Polyfit.fit() (wo Du den Grad direkt angeben kannst). In beiden Fällen, kannst Du die Zahl der Variablen, bzw. den Grad der Funktion angeben - Du solltest allerdings die zugehörige Doku lesen (bei ols.py ist es im Kopf des Moduls und der verlinkten Seite).
Bei Deiner Gleichung verstehe ich schon wieder nicht was Du genau sagen willst. In Zusammenhang mit dem Rest des Threads wäre es angebracht die Notation etwas penibler zu gestalten.
Wie wäre es, Du holtest Dir mal ein Mathebuch und versuchst das Problem erst in natürlicher, dann mathematischer Sprache zu formulieren und suchst Dir 'dann' in Python die beste Lösung? Sorry, das soll nicht hochnäsig sein, auch wenn es das womöglich so klingt. Aber hier ist der Punkt gekommen wo wir beide längst aneinander vorbei reden. Vielleicht fällt ja sonst jemandem hier im Forum was Besseres ein. Ich vermute nach wie vor, daß Die Lösung für Dein Problem das rel. einfache Fitten eines Polynoms ist, aber dazu bräuchten wir halt eine gemeinsame Sprache.
Gruß,
Christian
PS Auf der verlinkten OLS-Seite steht im Übrigen auch ein Link zu numpy.linalg.lstsq(). Vielleicht ist das verständlicher für Dich?
Da Du nicht sagst, was der Hintergrund ist, können wir auch nicht sagen, was die Lösung ist. OLS ist ein bißchen was Anderes als numpy.polynomial.Polyfit.fit() (wo Du den Grad direkt angeben kannst). In beiden Fällen, kannst Du die Zahl der Variablen, bzw. den Grad der Funktion angeben - Du solltest allerdings die zugehörige Doku lesen (bei ols.py ist es im Kopf des Moduls und der verlinkten Seite).
Bei Deiner Gleichung verstehe ich schon wieder nicht was Du genau sagen willst. In Zusammenhang mit dem Rest des Threads wäre es angebracht die Notation etwas penibler zu gestalten.
Wie wäre es, Du holtest Dir mal ein Mathebuch und versuchst das Problem erst in natürlicher, dann mathematischer Sprache zu formulieren und suchst Dir 'dann' in Python die beste Lösung? Sorry, das soll nicht hochnäsig sein, auch wenn es das womöglich so klingt. Aber hier ist der Punkt gekommen wo wir beide längst aneinander vorbei reden. Vielleicht fällt ja sonst jemandem hier im Forum was Besseres ein. Ich vermute nach wie vor, daß Die Lösung für Dein Problem das rel. einfache Fitten eines Polynoms ist, aber dazu bräuchten wir halt eine gemeinsame Sprache.
Gruß,
Christian
PS Auf der verlinkten OLS-Seite steht im Übrigen auch ein Link zu numpy.linalg.lstsq(). Vielleicht ist das verständlicher für Dich?