взвешенная наименьшая абсолютная регрессия в python?

Question

Мне было интересно, есть ли в Python функция, которая может найти наиболее подходящую линию (в 2D) или наиболее подходящую плоскость (в 3D) набора данных по наименьшему абсолютному отклонению и при рассмотрении неопределенностей точек .

Фактически, у меня есть 3-х мерные точки, и я хочу, чтобы из них была наиболее подходящая плоскость. В библиотеках sklearn и statsmodel python есть взвешенная функция наименьших квадратов (WLS), и, задав q = 0,5 в квантильной регрессии statsmodel, я получаю наименьшее абсолютное отклонение. Однако как я могу получить взвешенную наименьшую абсолютную регрессию функцию соответствия?

Answer 1

Методы наименьших квадратов или, что эквивалентно, основанные на хи ^ 2, проще, потому что их первая производная является гладкой функцией. Если вы хотите минимизировать абсолютное отклонение, вы можете использовать scipy.minimize() с соответствующим образом определенной целевой функцией. Другой подход - найти диапазоны, в которых ваша целевая функция является гладкой, оптимизировать каждый диапазон линейным образом, а затем выбрать оптимальное значение среди этих результатов.