Scipy 教程-SciPy ODR

ODR是正交距离回归（Orthogonal Distance Regression）的缩写形式。它用于回归研究中。基本的线性回归用于通过在图中绘制最佳拟合线来估计两个变量y和x之间的关系。然后，问题出现了，为什么需要正交距离回归（ODR）？有时，在自变量（x）中发生测量误差，而不是在因变量（y）中。

正交距离回归（ODR）是一种用于计算垂直于线而不是垂直的误差的方法。

正交距离回归提供了ODRPACK来执行带有非线性函数的ODR。它基本上是一个FORTRAN-77库。它可以进行显式或隐式的ODR拟合。它也可以用于解决普通最小二乘问题（OLS）。

专属福利 
👉点击领取：最全Python资料合集

对单变量回归的scipy.odr实现

import numpy as np  import matplotlib.pyplot as plt  from scipy.odr import *  import random  # Initiate some data, and generate the random number using random.random().  a = np.array([0, 1, 2, 3, 4, 5, 6, 7])  b = np.array([i**2 + random.random() for i in x])  # Define a quadratic function ( in this case) to fit the data with.  def linear_func(z, a):     m, p = z     return m*a + p  # Creating a model for fitting.  linear_model_fit = Model(linear_func)  # Creating a RealData object using our initiated data from above.  data = RealData(x, y)  # Fixed up ODR with the model and data.  odr = ODR(data, linear_model_fit, beta0=[0., 1.])  # Here we run the regression using the run().  out = odr.run()  # Use the in-built pprint method to give us results.  out.pprint()

Beta: [ 7.62787497 -8.53630181]Beta Std Error: [0.89306061 3.69444539]Beta Covariance: [[ 1.52116591 -5.32408057] [-5.32408057 26.0323407 ]]Residual Variance: 0.5243065494144553Inverse Condition #: 0.18510252155770376Reason(s) for Halting:  Sum of squares convergence

 1

热门推荐

• 吾辈楷模！国人自研项目ioredis被Redis公司收购
• Scipy 教程-SciPy 空间
• 中国永远不会倒闭的四个行业