Question

我尝试了这个失败：

find_fit(data, quadratic_residues)

我正在努力寻找最适合水流量的数据：http://dl.getdropbox.com/u/175564/rate.png

---评论后编辑---

新代码：

var('x')
model(x) = x**2
find_fit((xlist, reqlist), model)

错误消息：

Traceback (click to the left for traceback)
...
TypeError: data has to be a list of lists, a matrix, or a numpy array

---修改

现在出现错误消息：

Traceback (click to the left for traceback)
...
ValueError: each row of data needs 2 entries, only 5 entries given

这里和图片一样： http://dl.getdropbox.com/u/175564/sage.png

Answer 1

mydata = [[1,3],[2,7],[3,13],[4,24]]
var('a,b,c')
mymodel(x) = a*x^2 + b*x + c 
myfit = find_fit(mydata,mymodel,solution_dict=True)
points(mydata,color='purple') + plot(
  mymodel(
    a=myfit[a],
    b=myfit[b],
    c=myfit[c]
    ), 
    (x,0,4,),
    color='red'
  )

Answer 2

我认为你的问题是quadratic_residues可能并不意味着你认为它意味着什么。如果你试图拟合最好的二次模型，我想你想做类似的事情。

var('a, b, c, x')
model(x) = a*x*x + b*x + c
find_fit(data, model)

Answer 3

尝试史蒂文他的例子我也遇到了错误：

ValueError: each row of data needs 5 entries, only 2 entries given

这是一个更明确的例子，我已经测试过在sage 4.7中工作。

sage: l=[4*i^2+7*i+134+random() for i in xrange(100)]
sage: var('a,b,c,x')
(a, b, c, x)
sage: model=a*x^2+b*x+c
sage: find_fit(zip(xrange(100),l),model,variables=[x])
[a == 4.0000723084513217, b == 6.9904742307159697, c == 134.74698715254667]

显然你需要变量= [x]告诉sage a，b，c和x中的哪一个对应于模型中的变量。

如何在Sage中进行回归分析？

3 个答案: