numpy.polyfit文档,它是适合的线性回归。具体来说,具有度’d’的numpy.polyfit拟合具有平均函数的线性回归
E(y | x)= p_d * x d p_ {d-1} * x (d-1)… p_1 * x p_0
所以你只需要计算那个拟合的R平方。 linear regression的维基百科页面提供了详细信息。你对R ^ 2感兴趣,你可以用几种方式计算,最简单的可能是
SST = Sum(i=1..n) (y_i – y_bar)^2
SSReg = Sum(i=1..n) (y_ihat – y_bar)^2
Rsquared = SSReg/SST
其中我使用”y_bar”表示y的平均值,”y_ihat”表示每个点的拟合值。
我不是很熟悉numpy(我通常工作在R),所以可能有一个更整洁的方法来计算你的R平方,但以下应该是正确的
import numpy
Polynomial Regression
def polyfit(x, y, degree):
results = {}
coeffs = numpy.polyfit(x, y, degree)
Polynomial Coefficients
results[‘polynomial’] = coeffs.tolist()
r-squared
p = numpy.poly1d(coeffs)
fit values, and mean
yhat = p(x) # or [p(z) for z in x]
ybar = numpy.su
Original: https://blog.csdn.net/weixin_39605997/article/details/111947796
Author: weixin_39605997
Title: python的numpy函数求平方和_如何使用Python和Numpy计算r平方?
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/635696/
转载文章受原作者版权保护。转载请注明原作者出处!