对复杂数据使用 Sklean Huber 回归器

问题描述

我有一个非常大的代码，在最后阶段，我必须使用来自 sklearn.linear_model.HuberRegressor 的 Huber 回归器来求解线性系统。但是，我的矩阵和向量数组都是由复数数据组成的，上述函数不支持。因此，我已经看到我可以将复杂的线性系统重写为真实的系统，例如：

复杂系统：Ay = b

等价实系统：[[Re(A),-1*Im(A)],[Im(A),Re(A)]] x = [Re(b),Im(b)]>

因此我相应地对其进行了编码。然而，问题是到目前为止我的结果并不正确，我不确定我是否正确构建了线性系统，或者是否有更有效的方法来做到这一点。

我的代码：

# H and b are the original (complex) matrix and vector,respectively

b_re = np.real(y); b_im = np.imag(y)
b = np.hstack((b_re,b_im))

A_re = np.real(H); A_im = np.imag(H)

A = np.block([
            [A_re,-1*A_im],[A_im,A_re]
            ])

huber = HuberRegressor(alpha=0).fit(A,b)
x = huber.coeff_

x_re = x[0:int(x.size//2)]; x_im = x[int(x.size//2):int(x.size)]
x = x_re + 1j*x_im

老实说，我什至不确定这有什么问题，只是我查看了过去 3 个月的所有其他步骤，我真的不知道错误可能出在哪里。任何帮助或评论将不胜感激。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）