python中的正交距离回归:返回值的含义

派瑟

我正在遵循正交距离回归方法,以使数据具有因变量和自变量均具有误差。

我正在用一条简单的直线拟合数据,我的模型是y = ax + b

现在,我能够编写代码并绘制拟合数据的线,但是我无法读取结果:

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

Beta仅仅是含有我的模型的参数的值的阵列(a, b),并且Beta Std Error,相关联的误差。

关于其他值,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,就像卡方一样,当一个仅与因变量有关的误差拟合时。

物理学家

Beta Covariance您拟合参数协方差矩阵可以将其视为描述您的两个参数相互关联的矩阵。

Residual Variance 我认为这是一种拟合优度的度量,其中值越小,对数据的拟合越好。

Inverse Condition条件编号的倒数(1 / x)条件编号定义您的拟合功能对输入变化的敏感程度。

scipy.odr是较旧的FORTRAN77封装(称为ODRPACK)的包装。ODRPACK的文档实际上可以在scipy网站上找到这可能有助于您了解需要了解的内容,因为其中包含了参数的数学描述。

本文收集自互联网,转载请注明来源。

如有侵权,请联系 [email protected] 删除。

编辑于
0

我来说两句

0 条评论
登录 后参与评论

相关文章