Есть ли простой способ сделать многомерную устойчивую полиномиальную регрессию в Python? Например.Надежная многомерная полиномиальная регрессия в Python
y = a + bx_1 + cx_2 + dx_1x_2 + ex_1^2 + fx_2^2
и, возможно, более высокие термины степени, где a,b,c,d,e,f являются постоянными и x_i являются зависимыми переменными (не может быть больше, чем 2).
У меня есть набор данных, изгнанных выбросами, поэтому предположение о нормальности не выполняется. Я не очень хорошо разбираюсь в регрессиях, но я обнаружил, что существуют «надежные» методы решения этой проблемы. К сожалению, я не смог найти простой способ сделать это на Python, не имея необходимости кодировать весь метод. Я что-то упустил? Или я могу использовать еще один подходящий язык, такой как R? (Так как я ничего не знаю о R, и это часть большей проблемы, которую я закодировал в Python, я бы предпочел сделать это на Python. Но, может быть, обучение R более эффективно, чем пытаться делать такие вещи в Python.)
Заранее спасибо.
надежные линейные модели доступны в statsmodels см [здесь] (http://statsmodels.sourceforge.net/stable/examples/generated/example_rlm.html) –
я уже видел, что один, но он с мне кажется, что он только регрессии типа y = a + bx_1 + cx_2 + dx_3 + .... Или есть способ включить более высокую степень и смешанные термины? – user1162809
Как насчет numpy.polyfit? http://docs.scipy.org/doc/numpy/reference/generated/numpy.polyfit.html – joel3000