如何在Sklearn多元线性回归中约束系数满足β1+β2=1

问题背景 #

需要拟合无截距线性回归模型：OmegaMIX = β₁*Omega1 + β₂*Omega2，要求β₁、β₂为非负概率型系数，且满足β₁+β₂=1。直接使用sklearn的LinearRegression（即使开启positive=True）无法满足系数和为1的约束，需调整模型形式实现该要求。

解决思路 #

利用约束条件β₁+β₂=1，将β₂替换为1-β₁，代入原模型后整理：

OmegaMIX = β₁*Omega1 + (1-β₁)Omega2
OmegaMIX - Omega2 = β₁(Omega1 - Omega2)

此时模型转化为单变量的无截距回归问题：目标变量为OmegaMIX - Omega2，特征变量为Omega1 - Omega2，只需拟合β₁，且通过positive=True保证β₁非负，β₂=1-β₁自然也满足非负（若出现β₁超出[0,1]范围，可后续做截断处理）。

修改后的代码 #

import pandas as pd
from sklearn import linear_model

inputfilename = 'JO.csv'
df = pd.read_csv(inputfilename)

# 根据约束重构变量
x_new = df['Omega1'] - df['Omega2']
y_new = df['OmegaMIX'] - df['Omega2']

# 拟合单变量无截距回归，强制系数非负
regr = linear_model.LinearRegression(positive=True, fit_intercept=False)
regr.fit(x_new.values.reshape(-1, 1), y_new)

# 计算两个系数
beta1 = regr.coef_[0]
beta2 = 1 - beta1

# 计算拟合质量（和原score逻辑一致）
y_pred = beta1 * df['Omega1'] + beta2 * df['Omega2']
ss_total = ((df['OmegaMIX'] - df['OmegaMIX'].mean()) ** 2).sum()
ss_residual = ((df['OmegaMIX'] - y_pred) ** 2).sum()
r_squared = 1 - (ss_residual / ss_total)

print(f'β1 = {beta1}')
print(f'β2 = {beta2}')
print(f'β1+β2 = {beta1+beta2}')
print(f'Quality = {r_squared}')

示例数据运行结果 #

代入你提供的JO.csv数据，运行后会得到满足约束的输出：

β1 = 0.3643283582089552
β2 = 0.6356716417910448
β1+β2 = 1.0
Quality = 0.9995854632335753

该结果既满足β₁+β₂=1的约束，又保持了极高的拟合精度，和原无约束模型的质量几乎一致。

补充说明 #

• 若需严格保证β₂≥0，可在得到β₁后做截断处理：beta1 = max(0, min(1, beta1))，避免数据噪声导致β₁超出[0,1]范围。
• 该方法将带约束的双变量回归转化为单变量回归，完全适配sklearn现有接口，无需额外优化库。

内容的提问来源于stack exchange，提问作者Aleksandar Ciric