如何根据回归系数生成对角矩阵 代码输出零矩阵问题排查

你的代码存在3个核心问题，按影响优先级排序：

• 矩阵数据类型设置错误：初始化P和intercep时你指定了dtype=int，PLS回归输出的系数几乎都是浮点数，当系数绝对值小于1时，赋值给int类型数组会被直接截断为0，这是输出全零矩阵的最主要原因。
• 赋值维度不匹配：np.diag(coef[0:ncol])生成的是ncol*ncol的二维对角矩阵，但你赋值的目标位置P[(i-k):(i+k), i-k]是长度为2k的一维列切片，numpy维度不匹配时无法正确完成赋值，会出现值写入失败的问题。另外单目标回归场景下model.coef_输出形状为(ncol, 1)，是二维数组，直接取对角前需要先压平为一维。
• 索引切片逻辑错误：如果你的目标是生成「以回归系数为对角元素的对角矩阵」，不需要手动做切片赋值，numpy的np.diag方法传入一维系数数组可以直接生成目标矩阵，手动切(i-k):(i+k)的片段很容易出现切片长度和系数长度不匹配、索引越界的问题。

正确实现代码 #

import numpy as np
from sklearn.cross_decomposition import PLSRegression

# 初始化矩阵必须用浮点类型，不要指定为int
P = np.zeros((ncol, ncol), dtype=np.float64)
intercep = np.zeros((1,), dtype=np.float64)

my_pls = PLSRegression(n_components=ncomp, scale=False)
model = my_pls.fit(x, y)

# 提取系数，单目标回归场景下用ravel()压平为一维数组
coef = model.coef_.ravel()
intercep = model.y_mean_ - model.x_mean_.dot(coef)

# 直接生成完整的系数对角矩阵
P = np.diag(coef[0:ncol])

# 如果你确实需要给矩阵指定位置的子对角块赋值，必须保证行、列切片长度和系数长度一致
# 示例：给从i-k到i+k的子块赋值
# block_length = 2 * k
# P[(i-k):(i+k), (i-k):(i+k)] = np.diag(coef[0:block_length])

内容的提问来源于stack exchange，提问作者Sadia Mitu