como o sklearn faz regressão linear quando p> n?
sabe-se que quando o número de variáveis (p) é maior que o número de amostras (n), o estimador menos quadrado não é definido.
No sklearn, recebo estes valores:
In [30]: lm = LinearRegression().fit(xx,y_train)
In [31]: lm.coef_
Out[31]:
array([[ 0.20092363, -0.14378298, -0.33504391, ..., -0.40695124,
0.08619906, -0.08108713]])
In [32]: xx.shape
Out[32]: (1097, 3419)
A chamada [30] deve retornar um erro. Como o sklearn funciona quando p> n gosta neste caso?
EDIT: Parece que a matriz está preenchida com alguns valores
if n > m:
# need to extend b matrix as it will be filled with
# a larger solution matrix
if len(b1.shape) == 2:
b2 = np.zeros((n, nrhs), dtype=gelss.dtype)
b2[:m,:] = b1
else:
b2 = np.zeros(n, dtype=gelss.dtype)
b2[:m] = b1
b1 = b2