问题描述
我需要使用scipy下降趋势，但我的数据显示出各种峰，有些却没有。我手动删除了大多数不需要的数据，但是当我不得不使用scipy detrend对数据进行反趋势处理时，那些合法的数据会带来一些问题。这是由最小二乘函数引起的，该函数对异常值不具有鲁棒性。我想使代码尽可能与原始功能相似。
在原始功能中，纠正是通过以下方式实现的：
coef,resids,rank,s = linalg.lstsq(A,newdata[sl])
newdata[sl] = newdata[sl] - np.dot(A,coef)
'soft_l1'解决方案在scipy.optimize.least_squares中实现，我在linalg中寻找了类似的东西，但一无所获。
您有什么线索可以简单地实现它吗？
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@）