经常涉及到这些小操作,每次都没整理,下次用的时候又得百度,麻烦,干脆整理下,下次使用直接翻笔记了!

  1. 采用numpy库,如何计算residuals(x,y)?记得这里的x,y都是numpy.ndarray,假设x.shape=(3L,3L), y.shape=(3L,)
    >>> xarray([[1, 2, 3],[4, 5, 6],[7, 8, 9]])>>> yarray([2, 5, 8])
  1. 那怎么计算x与y之间的residuals呢?用到一些np中的简单操作,比如函数原型:numpy.vstack(tup),等价于:np.concatenate(tup, axis=0) if tup contains arrays thatare at least 2-dimensional.
A=np.vstack([x,np.ones(x.shape[-1])]).T
>>> A
array([[1., 4., 7., 1.],[2., 5., 8., 1.],[3., 6., 9., 1.]])

直观的从例子可以看出A就是x另外加上全1的行,两个连接起来,然后转置。
4. 接下来使用lstsq(ndarray)来计算AB=y的最小二乘解:

B=np.linalg.lstsq(A,y)[0]
>>> B
array([ 2.57894737,  1.        , -0.57894737, -0.52631579])
  1. 不好理解了?再深入点,要拟合y=mx+c这条线了,所以要求解下AB=y的最小二乘解,实在不懂,参考numpy帮助,看看那个解释,偶就不想再琢磨了,哈哈,懒一点哇。找到m,c的值:
m=B[:-1]
>>> m 注意这是除常数的其它系数了
array([ 2.57894737,  1.        , -0.57894737])
c=B[-1]
>>> c  注意这是常数项系数
-0.5263157894736847

那显然可以知道,拟合出的线是啥(为了简单,我们就当成直线哇,和帮助吻合,看起来更容易懂)?pre=np.sum(m*x.T,axis=1)+c
原始的线是y, So:

pre=np.sum(m*x.T,axis=1)+c
>>> pre  注意这里m.shape=(3L,),x.shape=(3L,3L),这俩乘积是用m的每个元素分别乘以x的每一列,形成新的(3L,3L)矩阵,要注意理解背后的原理,别被忽悠了!
array([2., 5., 8.])
  1. 那最后两者之间的residuals就可以直接如下计算:
    res=y-pre

用python计算residuals相关推荐

  1. 用python计算邮费考虑是否加急,用python计算residuals

    经常涉及到这些小操作,每次都没整理,下次用的时候又得百度,麻烦,干脆整理下,下次使用直接翻笔记了! 采用numpy库,如何计算residuals(x,y)?记得这里的x,y都是numpy.ndarra ...

  2. 使用OpenCV和Python计算图像的“彩色度”

    使用OpenCV和Python计算图像"彩色度" 1. 效果图 2. 炫彩度量方法是什么? 3. 源代码 参考 你是否尝试过计算每个图像的炫彩值,并根据炫彩值对自己的图像数据集进行 ...

  3. Python计算训练数据集(测试集)中某个分类变量阴性(阳性)标签样本的不同水平(level)或者分类值的统计个数以及比例

    Python计算训练数据集(测试集)中某个分类变量阴性(阳性)标签样本的不同水平(level)或者分类值的统计个数以及比例 目录

  4. Python计算两个numpy数组的交集(Intersection)实战:两个输入数组的交集并排序、获取交集元素及其索引、如果输入数组不是一维的,它们将被展平(flatten),然后计算交集

    Python计算两个numpy数组的交集(Intersection)实战:两个输入数组的交集并排序.获取交集元素及其索引.如果输入数组不是一维的,它们将被展平(flatten),然后计算交集 目录

  5. Python使用datetime中的timedelta模块实现时间增减:python计算100天后是哪年那月那日?

    Python使用datetime中的timedelta模块实现时间增减:python计算100天后是哪年那月那日? 目录

  6. python计算特征的统计值并文本输出

    python计算特征的统计值并文本输出 # 输出统计分位数 df.describe(percentiles=[0.05, 0.25, 0.5, 0.75, 0.95]) featname:A => ...

  7. python计算特征与目标的相关性并可视化

    python计算特征与目标的相关性并可视化 pandas计算相关性 # 相关性 tips.corr() Out[2]: total_bill tip size total_bill 1.000000 ...

  8. python计算时间差

    python计算时间差 # 使用datetime 和 timedelta import datetime old_time = datetime.datetime.now() print(old_ti ...

  9. python计算两个字典的相同点(从key、value、item角度)

    python计算两个字典的相同点(从key.value.item角度) 字典是由一个一个的 key-value 构成的,key 是找到数据的关键,Python 对字典的操作都是通过 key 来完成的. ...

最新文章

  1. mycncart不同地区不同固定运费
  2. probit概率单位回归分析
  3. php中对MYSQL操作之事务控制,回滚
  4. 微盟涉嫌二清,大商户模式将受理严监管
  5. python有内存处理模块吗_使用Python多处理的高内存使用
  6. webshpere缓存--web.xml
  7. 如何使用Arthas提高日常开发效率?
  8. 模拟知乎登陆(requests和scrapy)
  9. 硕博招生,土耳其Koç大学和商业银行合作的人工智能中心
  10. Linux基础(4)--用户与权限
  11. spring实现事务原理
  12. mutiset HDOJ 5349 MZL's simple problem
  13. Keil3/4/5 For C51安装教程(附Baidu 云链接)
  14. mysql ssh 导入时注意问题
  15. 两种微生物并肩作战 让生物光伏系统发电能力创新高
  16. 服务器被攻击 显示503,打开网页后出现503 service unavailable等字样,什么意思
  17. 做好数据全生命周期管理,实现数据资产化
  18. 先验概率、后验概率、似然概率概念
  19. Rasa课程、Rasa培训、Rasa面试、Rasa实战系列之 Language Agnostic BERT
  20. C#毕业设计——基于C#+asp.net+sqlserver在线论文提交系统设计与实现(毕业论文+程序源码)——在线论文提交系统

热门文章

  1. 精心整理 | R语言中文社区历史文章整理(类型篇)
  2. html图片 3d切换特效,一款基于css3的3D图片翻页切换特效
  3. 华硕FX53V屏幕花屏
  4. RedisSon高并发分布式锁实战RedisSon源码解读
  5. snapchat数据统计_如何使用旅行模式在Snapchat中保存数据
  6. 重磅发布!腾讯云 ASW 工作流,可视化编排云服务
  7. 他山之石——运维平台哪家强?
  8. COCOS2D-X之骨骼动画武器换装效果Demo
  9. 【浙江工业大学】考研初试复试资料分享
  10. 如何为Mac任意命令设置快捷键?