有人知道用Python实现递归最小二乘函数的简单方法吗?
我想要一种快速的方法来从每次更新的输入信号中回归出线性漂移([1 2…n],其中n是到目前为止的时间点数量)。RLS通常用于实现这一点,因为计算时间不会随着时间点数量的增加而增加。
RLS算法在Python Padasip库中实现。您可以在github上查看代码:Padasip源代码
或者你可以直接使用图书馆。请参阅Padasip RLS算法的文档
一条线与数据t[],x[]的最小二乘拟合由给出
x = xbar + (C/V)*(t-tbar)
where
xbar = Sum{ x[i]} / N
tbar = sum{ t[i]} / N
V = Sum{ (t[i]-tbar)^2 } / N
C = Sum{ (x[i]-xbar)*(t[i]-tbar) } / N
你可以像这样递增地计算xbar、tbar、V和C:
最初
N = 0
xbar = tbar = C = V = 0
合并数据t,x:
N += 1
f = 1.0/N
dx = x - xbar
dt = t - tbar
xbar += f*dx
tbar += f*dt
V = (1.0-f)*(V + f*dt*dt)
C = (1.0-f)*(C + f*dx*dt)
请注意,在至少有两个数据点之前,V将为零,因此没有直线。还要注意,每个x[]都可以是一个向量;只要xbar和C也被计算为向量,相同的公式就起作用。