我正在用线性拟合拟合一些数据。我想加权误差条。到目前为止,我一直在使用牛头犬fit.py。它们linear_fit
使加权线性回归非常容易。不幸的是,我正在使用的数据在 X 和 Y 方向都有错误。
我想知道实际上(在 Python 中)和理论上(在统计方面)如何做到这一点。
我正在用线性拟合拟合一些数据。我想加权误差条。到目前为止,我一直在使用牛头犬fit.py。它们linear_fit
使加权线性回归非常容易。不幸的是,我正在使用的数据在 X 和 Y 方向都有错误。
我想知道实际上(在 Python 中)和理论上(在统计方面)如何做到这一点。
有几个选择:
scipy.optimize.leastsq
(对于总最小二乘)scipy.odr
(对于戴明回归)。这两种解决方案都将解释 X 和 Y 方向的独立误差(odr 中的 scld 数组)。
您可以使用该scipy.optimize.fmin()
函数(参见此示例)来最小化计算 x 和 y 方向上的平方偏差的评价函数(您必须定义它)。