RealData#
- класс scipy.odr.RealData(x, y=None, sx=None, sy=None, covx=None, covy=None, fix=None, meta=None)[источник]#
Данные с весами в виде фактических стандартных отклонений и/или ковариаций.
- 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.
- sxarray_like, необязательный
Стандартные отклонения x. sx являются стандартными отклонениями x и преобразуются в веса путем деления 1.0 на их квадраты.
- syarray_like, необязательный
Стандартные отклонения y. sy являются стандартными отклонениями y и преобразуются в веса путем деления 1.0 на их квадраты.
- covxarray_like, необязательный
Ковариация x covx является массивом ковариационных матриц x и преобразуются в веса путём выполнения обращения матрицы для ковариационной матрицы каждого наблюдения.
- covyarray_like, необязательный
Ковариация y covy является массивом ковариационных матриц и преобразуется в веса путём обращения матрицы для каждой ковариационной матрицы наблюдения.
- fixarray_like, необязательный
Аргумент и член fix такие же, как Data.fix и ODR.ifixx: Это массив целых чисел той же формы, что и x который определяет, какие входные наблюдения рассматриваются как фиксированные. 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
Веса wd и мы вычисляются из предоставленных значений следующим образом:
sx и sy преобразуются в веса путём деления 1.0 на их квадраты. Например,
wd = 1./np.power(`sx`, 2).covx и covy являются массивами ковариационных матриц и преобразуются в веса путем выполнения обращения матрицы для каждой ковариационной матрицы наблюдения. Например,
we[i] = np.linalg.inv(covy[i]).Эти аргументы следуют тем же структурированным соглашениям, что и wd, и ограничены только своей природой: sx и sy не может иметь ранг 3, но covx и covy может быть.
Установить только либо sx или covx (не оба). Установка обоих вызовет исключение. То же самое с sy и covy.