scipy.odr.

Данные

класс scipy.odr.Данные(x, y=None, мы=None, wd=None, fix=None, meta=None)

Данные для обучения.

Параметры:

xarray_like

Наблюдаемые данные для независимой переменной регрессии

yarray_like, необязательный

Если в виде массива, наблюдаемые данные для зависимой переменной регрессии. Скалярный ввод подразумевает, что модель для использования на данных неявная.

мыarray_like, необязательный

Если мы является скаляром, то это значение используется для всех точек данных (и всех измерений переменной отклика). Если мы является ранг-1 массивом длины q (размерность переменной отклика), тогда этот вектор является диагональю ковариационной взвешивающей матрицы для всех точек данных. Если мы является массивом ранга 1 длиной n (количество точек данных), тогда i-й элемент — это вес для i-го наблюдения зависимой переменной (только одномерный случай). Если мы является массивом ранга 2 формы (q, q), тогда это полная ковариационная весовая матрица, транслируемая на каждое наблюдение. Если мы является массивом ранга 2 формы (q, n), тогда we[:,i] является диагональю ковариационной весовой матрицы для i-го наблюдения. Если мы является массивом ранга 3 формы (q, q, n), тогда we[:,:,i] является полной спецификацией ковариационной весовой матрицы для каждого наблюдения. Если подгонка неявная, то используется только положительное скалярное значение.

wdarray_like, необязательный

Если wd является скаляром, то это значение используется для всех точек данных (и всех размерностей входной переменной). Если wd = 0, то ковариационная весовая матрица для каждого наблюдения устанавливается в единичную матрицу (так что каждое измерение каждого наблюдения имеет одинаковый вес). Если wd является массивом ранга 1 длины m (размерность входной переменной), тогда этот вектор является диагональю ковариационной весовой матрицы для всех точек данных. Если wd является массивом ранга 1 длины n (количество точек данных), то i-й элемент является весом для i-го наблюдения входной переменной (только одномерный случай). Если wd является массивом ранга 2 формы (m, m), то это полная матрица ковариационных весов, трансляционно применённая к каждому наблюдению. Если wd является массивом ранга 2 формы (m, n), тогда wd[:,i] является диагональю ковариационной весовой матрицы для i-го наблюдения. Если wd является массивом ранга 3 формы (m, m, n), тогда wd[:,:,i] является полной спецификацией ковариационной весовой матрицы для каждого наблюдения.

fixarray_like из целых чисел, необязательно

The fix аргумент такой же, как ifixx в классе ODR. Это массив целых чисел той же формы, что и data.x, который определяет, какие входные наблюдения считаются фиксированными. Можно использовать последовательность длины m (размерность входных наблюдений), чтобы зафиксировать некоторые измерения для всех наблюдений. Значение 0 фиксирует наблюдение, значение > 0 делает его свободным.

metadict, optional

Свободный словарь для метаданных.

Методы

set_meta(**kwds)

Обновить словарь метаданных ключевыми словами и данными, предоставленными ключевыми словами.

Примечания

Каждый аргумент прикрепляется к члену экземпляра с тем же именем. Структуры x и y описаны в документации класса Model. Если y является целым числом, то экземпляр Data может использоваться только для обучения неявных моделей, где размерность отклика равна указанному значению y.

The мы аргумент weights взвешивает влияние отклонения в переменной отклика на подгонку. Аргумент wd аргумент взвешивает влияние отклонения во входной переменной на подгонку. Для удобной и гибкой обработки многомерных входных данных и откликов структура этих аргументов имеет первую ось n-го измерения. Эти аргументы активно используют функцию структурированных аргументов ODRPACK для удобной и гибкой поддержки всех опций. См. руководство пользователя ODRPACK для полного объяснения того, как эти веса используются в алгоритме. В основном, более высокое значение веса для конкретной точки данных делает отклонение в этой точке более вредным для подгонки.