我正在尝试将多项式拟合到一组数据中。有时可能会发生 numpy.ployfit
返回的协方差矩阵只由 inf
组成,虽然 fit 看起来很有用。数据中没有 numpy.inf
或 'numpy.nan'!
例子:
import numpy as np
# sample data, does not contain really x**2-like behaviour,
# but that should be visible in the fit results
x = [-449., -454., -459., -464., -469.]
y = [ 0.9677024, 0.97341953, 0.97724978, 0.98215678, 0.9876293]
fit, cov = np.polyfit(x, y, 2, cov=True)
print 'fit: ', fit
print 'cov: ', cov
结果:
fit: [ 1.67867158e-06 5.69199547e-04 8.85146009e-01]
cov: [[ inf inf inf]
[ inf inf inf]
[ inf inf inf]]
np.cov(x,y)
给出
[[ 6.25000000e+01 -6.07388099e-02]
[ -6.07388099e-02 5.92268942e-05]]
因此 np.cov
与 np.polyfit
返回的协方差不同。有人知道发生了什么事吗?
编辑:
我现在明白了 numpy.cov
不是我想要的。我需要多项式系数的方差,但如果 (len(x) - order - 2.0) == 0
,我就得不到它们。还有其他方法可以得到拟合多项式系数的方差吗?
最佳答案
作为rustil的回答说,这是由应用于协方差方程的分母的偏差校正引起的,这导致该输入的除法为零。此更正背后的原因与 Bessel's Correction 背后的原因类似。 .这确实表明数据点太少,无法以明确定义的方式估计协方差。
如何解决这个问题?好吧,这个版本的 polyfit
接受权重。您可以添加另一个数据点,但以 epsilon 对其进行加权。这相当于减少了this formula中的2.0
到 1.0
。
x = [-449., -454., -459., -464., -469.]
y = [ 0.9677024, 0.97341953, 0.97724978, 0.98215678, 0.9876293]
x_extra = x + x[-1:]
y_extra = y + y[-1:]
weights = [1.0, 1.0, 1.0, 1.0, 1.0, sys.float_info.epsilon]
fit, cov = np.polyfit(x, y, 2, cov=True)
fit_extra, cov_extra = np.polyfit(x_extra, y_extra, 2, w=weights, cov=True)
print fit == fit_extra
print cov_extra
输出。请注意,拟合值是相同的:
>>> print fit == fit_extra
[ True True True]
>>> print cov_extra
[[ 8.84481850e-11 8.11954338e-08 1.86299297e-05]
[ 8.11954338e-08 7.45405039e-05 1.71036963e-02]
[ 1.86299297e-05 1.71036963e-02 3.92469307e+00]]
我非常不确定这是否特别有意义,但这是解决问题的一种方法。不过,这有点麻烦。对于更健壮的东西,您可以修改 polyfit
以接受它自己的 ddof
参数,也许可以代替 cov
当前接受的 bool 值。 (我只是 opened an issue 提出了同样多的建议。)
关于 cov
计算的最后一点快速说明:如果您查看 least squares regression 上的维基百科页面,您会看到系数协方差的简化公式是 inv(dot(dot(X, W), X))
,它有一个 corresponding line在 numpy 代码中——至少粗略地说。在这种情况下,X
是 Vandermonde matrix , 权重已经是 multiplied in . numpy 代码还进行了一些缩放(我理解;这是最小化数值误差的策略的一部分)并将结果乘以残差的范数(我不理解;我只能猜测它是另一个版本的一部分协方差公式)。
关于python - numpy.polyfit 提供有用的拟合,但协方差矩阵无限大,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27230285/