本文介绍了拟合分布的线性组合的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有5个数组(一个熊猫数据框的列)我想计算线性分布到指数分布的线性组合的最佳拟合.例如:
I have 5 arrays (columns of a pandas data frame)and I want calculate the best fit for a linear combination of the distributions to an exponential distribution.for example:
a*(d1)+b*(d2)+c*(d3)+d*(d4)+e*(d5)=Y
其中Y具有指数分布(据我所知)，而a，b，c，d，e是要拟合的系数.
where Y has an exponential distribution (which i know) and a,b,c,d,e are the coefficients to fit.
我尝试使用curve_fit或lmfit python库，但是没有有效地做到这一点.
I tried using curve_fit or lmfit python libraries but didn't get how to do it effectively.
推荐答案
您要描述的是线性模型.使用软件包 scikit-learn :
What you're describing is a linear model. Use the package scikit-learn:
from sklearn.linear_model import LinearRegression
X = df[['d1', 'd2', 'd3', 'd4', 'd5']]
reg = LinearRegression().fit(X, Y)
reg.get_params()
这篇关于拟合分布的线性组合的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！