11

我是一个满意的用户scipy.optimize.leastsq

我现在——真的一直都有——带有可变误差线的 x,y 数据,看起来我需要使用 scipy.odrpack.odr 来尊重某些数据中更大的不确定性。

不幸的是,我找不到包含示例输入和输出示例代码的在线教程。(我试图让这尽可能简单。)

如果有人可以发布带有示例 I/O 的示例代码,我将不胜感激。对于经常使用例程的人来说,这很容易。

谢谢!账单

4

1 回答 1

16

这是文档中示例的充实版本:

import numpy as np
import scipy.odr.odrpack as odrpack
np.random.seed(1)

N = 100
x = np.linspace(0,10,N)
y = 3*x - 1 + np.random.random(N)
sx = np.random.random(N)
sy = np.random.random(N)

def f(B, x):
    return B[0]*x + B[1]
linear = odrpack.Model(f)
# mydata = odrpack.Data(x, y, wd=1./np.power(sx,2), we=1./np.power(sy,2))
mydata = odrpack.RealData(x, y, sx=sx, sy=sy)

myodr = odrpack.ODR(mydata, linear, beta0=[1., 2.])
myoutput = myodr.run()
myoutput.pprint()
# Beta: [ 3.02012862 -0.63168734]
# Beta Std Error: [ 0.01188347  0.05616458]
# Beta Covariance: [[ 0.00067276 -0.00267082]
#  [-0.00267082  0.01502792]]
# Residual Variance: 0.209906660703
# Inverse Condition #: 0.105981202542
# Reason(s) for Halting:
#   Sum of squares convergence
于 2013-04-21T02:21:52.620 回答