本征OLS对python statsmodel.api.OLS

Question

我需要计算斜率，截距为两个向量与数据之间的回归线。因此，我在下面的代码中用python制作了一个原型：

A = [1,2,5,7,14,17,19]
b = [2,14,6,7,13,27,29]

A = sm.add_constant(A)
results = sm.OLS(A, b).fit()

print("results: ", results.params)

输出: 0.04841897 0.64278656

现在，我需要使用Eigen库在C++中复制它，正如我所理解的，我需要在A矩阵中传递一个1列。如果这样做，我得到的回归结果与仅仅使用第二列或0列完全不同。C++代码如下：

Eigen::VectorXd A(7);
Eigen::VectorXd b(7);

A << 1,2,5,7,14,17,19;
b << 2,14,6,7,13,27,29;

MatrixXd new_A(A.rows(), 2);
VectorXd d = VectorXd::Constant(A.rows(), 1);
new_A << A, d;

Eigen::MatrixXd res = new_A.bdcSvd(Eigen::ComputeThinU | Eigen::ComputeThinV).solve(b);

cout << " slope: " << res.coeff(0, 0) << " intercept: " << res.coeff(1, 0) << endl;
cout << "dbl check: " << (new_A.transpose() * new_A).ldlt().solve(new_A.transpose() * b) << endl;

输出，“1”列添加到new_A ->斜率: 1.21644截距: 2.70444输出添加'0‘或不添加列->斜率: 0.642787截距:0

如何在C++中获得相同的结果？哪个是正确的，我似乎更信任python，因为我使用0列时得到了相同的结果。

谢谢,

合并

Answer 1

我似乎不得不将new_A转换为b，并将ComputeThin替换为ComputeFull，这样它才能生成。

Eigen::MatrixXd res = b.bdcSvd(Eigen::ComputeFullU | Eigen::ComputeFullV).solve(new_A);