我正在关注正交距离回归 http://docs.scipy.org/doc/scipy/reference/odr.html#id1拟合因变量和自变量均带有误差的数据的方法。
我用一条简单的直线拟合数据,我的模型是y = ax + b
.
现在,我可以编写代码并绘制适合数据的线,但我无法读取结果:
Beta: [ 2.08346947 0.0024333 ]
Beta Std Error: [ 0.03654482 0.00279946]
Beta Covariance: [[ 2.06089823e-03 -9.99220260e-05]
[ -9.99220260e-05 1.20935366e-05]]
Residual Variance: 0.648029925546
Inverse Condition #: 0.011825289654
Reason(s) for Halting:
Sum of squares convergence
The Beta
只是包含我的模型参数值的数组(a, b)
, and Beta Std Error
,相关错误。
至于其他的值,我不知道它们的含义。
特别是,我想知道哪一个表示拟合优度,例如卡方 http://docs.scipy.org/doc/scipy-0.13.0/reference/generated/scipy.stats.chisquare.html当仅拟合因变量的误差时。
Beta Covariance
is the 协方差矩阵 http://en.wikipedia.org/wiki/Covariance_matrix您的拟合参数。它可以被认为是一个矩阵,描述了两个参数之间的相互关联。
Residual Variance
我相信这是拟合优度的衡量标准,值越小,与数据的拟合度越高。
Inverse Condition
是的倒数 (1/x)条件号 http://en.wikipedia.org/wiki/Condition_number。条件数定义了拟合函数对输入变化的敏感程度。
scipy.odr
是一个更老的 FORTRAN77 包(称为 ODRPACK)的包装器。 ODRPACK 的文档实际上可以在在 scipy 网站上 http://docs.scipy.org/doc/external/odrpack_guide.pdf。这可以帮助您理解您需要了解的内容,因为它包含参数的数学描述。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)