我是scipy.optimize.leastsq
的满意用户。
我现在(确实一直有)带有可变误差条的x,y数据,看起来scipy.odrpack.odr是我需要用来尊重某些数据中更大不确定性的东西。
不幸的是,我找不到包含示例代码以及示例输入和输出的在线教程。 (我正在尝试使其尽可能简单。)
如果有人可以将示例代码与示例I/O一起发布,我将不胜感激。对于经常使用该例程的人来说,这将很容易。
谢谢!
账单
最佳答案
这是the docs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
关于python scipy.odrpack.odr示例(带有示例输入/输出)?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/16126884/