我使用 Scipy 拟合了一些数据:
param=expon.fit(data)
pdf_fitted=expon.pdf(x,loc=param[-2],scale=param[-1])
plot(x,pdf_fitted,'r')
hist(data,normed=1,alpha=.3,histtype='stepfilled')
我得到一条看起来像这样的曲线:
我如何检查合身程度(是否有此参数?)。我想要一个数字,以便比较不同的拟合方式。
我使用 Scipy 拟合了一些数据:
param=expon.fit(data)
pdf_fitted=expon.pdf(x,loc=param[-2],scale=param[-1])
plot(x,pdf_fitted,'r')
hist(data,normed=1,alpha=.3,histtype='stepfilled')
我得到一条看起来像这样的曲线:
我如何检查合身程度(是否有此参数?)。我想要一个数字,以便比较不同的拟合方式。
假设您的错误是正态分布的,标准方法是使用残差平方和。这样,您可以使用 chi² 分布转换为严格的统计数据。
values, edges = np.histogram(data, bins=np.sqrt(len(data)))
x = edges[:-1] + np.diff(edges)
pdf_fitted = expon.pdf(x, loc=param[0], scale=param[1])
residuals = values - pdf_fitted
print np.dot(residuals, residuals)
或者,如果您更喜欢 RMS:
print np.dot(residuals, residuals) / len(residuals)