我正在使用 numpy.polyfit 将直线拟合到一些数据。数据本身不带有任何误差线。这是我的代码的简化版本:
from numpy import polyfit
data = loadtxt("data.txt")
x,y = data[:,0],data[:,1]
fit = polyfit(x,y,1)
当然,这给了我斜率和截距的值,但如何找到最佳拟合值的不确定性?
最佳答案
我回答这个问题有点晚了,但我认为这个问题仍然没有答案,并且对我来说是 Google 上 HitTest 门的问题。因此,我认为以下才是正确的方法
x = np.linspace(0, 1, 100)
y = 10 * x + 2 + np.random.normal(0, 1, 100)
p, V = np.polyfit(x, y, 1, cov=True)
print("x_1: {} +/- {}".format(p[0], np.sqrt(V[0][0])))
print("x_2: {} +/- {}".format(p[1], np.sqrt(V[1][1])))
输出
x_1: 10.2069326441 +/- 0.368862837662
x_2: 1.82929420943 +/- 0.213500166807
因此,您需要返回协方差矩阵 V
,其中对角线的平方根是每个拟合系数的估计标准差。这当然可以推广到更高的维度。
关于python - 如何使用 numpy.polyfit 查找斜率和截距误差,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27634270/