Question

如何计算python中非线性曲线拟合的确定系数（R2）和均方根误差（RMSE）。以下代码执行直到曲线拟合。那么如何计算R2和RMSE？

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def func(x, a, b, c):
    return a * np.exp(-b * x) + c

x = np.linspace(0,4,50)
y = func(x, 2.5, 1.3, 0.5)
yn = y + 0.2*np.random.normal(size=len(x))

popt, pcov = curve_fit(func, x, yn)

plt.figure()
plt.plot(x, yn, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()

Answer 1

你可以这样做：

print "Mean Squared Error: ", np.mean((y-func(x, *popt))**2)

ss_res = np.dot((yn - func(x, *popt)),(yn - func(x, *popt)))
ymean = np.mean(yn)
ss_tot = np.dot((yn-ymean),(yn-ymean))
print "Mean R :",  1-ss_res/ss_tot

这是直接获取定义，例如在维基百科中： http://en.wikipedia.org/wiki/Coefficient_of_determination#Definitions

Answer 2

MartinBöschen，不是y，而是yn：

np.mean((y-func(x, *popt))**2)

请阅读有关均方根误差（RMSE）的信息：http://en.wikipedia.org/wiki/Regression_analysis

residuals = yn - func(x,*popt)
print "RMSE",(scipy.sum(residuals**2)/(residuals.size-2))**0.5

现在它计算为Excel 2003 Analysis ToolPak。

计算python中非线性曲线拟合的确定系数（R2）和均方根误差（RMSE）

2 个答案: