Question

我是scipy.optimize.leastsq的满意用户。

我现在 - 确实总是有 - 带有可变误差条的x，y数据，看起来像scipy.odrpack.odr是我需要用来尊重某些数据中更大的不确定性。

不幸的是，我找不到一个在线教程，其中包含带有示例输入和输出的示例代码。（我试图尽可能简化。）

如果有人可以发布带有示例I / O的示例代码，我将不胜感激。对于那些经常使用这个例程的人来说，这很容易。

谢谢！比尔

Answer 1

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

python scipy.odrpack.odr示例（带有示例输入/输出）？

1 个答案: