Question

这是代码：

const label = 'Checkbox Test';
const checked = false;
const onChange = jest.fn();

describe('Checkbox', () => {
  it('renders correctly', () => {
    const cbTest = shallow(
    <Checkbox 
      checked={checked} 
      styles={styles} 
      onChange={onChange} 
      label="someLabel" />
    expect(cbTest).toMatchSnapshot();
  });
});

它给了我这样的信息：

4 z，n = np.polyfit（p，q，1，cov = True）

C：\ Users \ Rekha \ Anaconda3 \ lib \ site-packages \ numpy \ lib \ polynomial.py in polyfit（x，y，deg，rcond，full，w，cov）

601＃另外，它对不确定性给出了稍微保守的估计。

602 if len（x）＆lt; = order + 2：

- ＆GT; 603引发ValueError（＆＃34;数据点数必须超过+ 2＆＃34;      604＆＃34;贝叶斯估计协方差矩阵＆＃34;）

605 fac = resids /（len（x） - order - 2.0）

ValueError：贝叶斯数据点的数量必须超过+2的数量                       估计协方差矩阵

我无法弄清楚为什么会这样？我有四个数据点，足以适合一行

Answer 1

该错误正好说明了问题所在：您没有足够的数据指向估计协方差矩阵（以及不来执行拟合）。

import numpy as np

p = [1, 2, 3, 4]
q = [4, 5, 6, 7]

z = np.polyfit(p, q, 1, cov=False)
print(z)

或者，如果您满足建议的条件，即可以获得协方差矩阵的估计值，即另外一个数据点。

import numpy as np

p = [1, 2, 3, 4, 5]
q = [4, 5, 6, 7, 8]

z, n = np.polyfit(p, q, 1, cov=True)

print(z, n)

我不知道你需要协方差矩阵，但如果你需要的是fit参数的误差，你可以考虑手动计算，例如：将C(n, k)个数据点的所有可能n组合用于k的所有有效值，然后计算所得系数的标准偏差。

numpy.polyfit给出协方差矩阵的误差

1 个答案: