scipy.odr.

Model

类 scipy.odr.Model(fcn, fjacb=无, fjacd=无, extra_args=无, estimate=无, implicit=0, meta=无)

Model 类存储了您希望拟合的函数相关信息。

它至少存储该函数本身，并且可以选择性地存储用于拟合期间计算雅可比矩阵的函数。此外，可以提供一个函数，该函数将提供对于给定数据集而言合理的拟合参数起始值。

参数:

fcn函数

fcn(beta, x) –> y

fjacb函数

fcn 对于拟合参数 beta 的雅可比矩阵。

fjacb(beta, x) –> @f_i(x,B)/@B_j

fjacd函数

(可能是多维) 输入变量对于 fcn 的雅可比矩阵。

fjacd(beta, x) –> @f_i(x,B)/@x_j

extra_args元组，可选项

如果指定，extra_args 应为传递给 fcn、fjacb 和 fjacd 的额外参数组。各个参数会由 apply(fcn, (beta, x) + extra_args) 调用

estimate秩为 1 的数组类似物

提供从数据估算的拟合参数

estimate(data) –> estbeta

implicit布尔值

如果为 TRUE，则指定模型为隐式模型；即 fcn(beta, x) ~= 0 且没有针对 y 数据拟合

meta可选参数，字典

为模型的元数据指定的自由格式字典

注释

请注意，fcn、fjacb 和 fjacd 在 NumPy 数组上执行操作并返回一个 NumPy 数组。 estimate 对象采用数据类的实例。

以下列出回调函数的参数形状和返回数组的规则

x

如果输入数据是单维数据，则 x 为秩为 1 的数组；即 x = array([1, 2, 3, ...]); x.shape = (n,) 如果输入数据多维，则 x 为秩为 2 的数组；即 x = array([[1, 2, ...], [2, 4, ...]]); x.shape = (m, n)。 始终与传递给 odr 的输入数据数组具有相同的形状。 m 是输入数据的维数，n 是观察值的数量。

y

如果响应变量是单维的，则 y 为秩 1 数组，即 y = array([2, 4, ...]); y.shape = (n,)。如果响应变量是多维的，则 y 为秩 2 数组，即 y = array([[2, 4, ...], [3, 6, ...]]); y.shape = (q, n) 其中 q 是响应变量的维数。

beta

长度为 p 的秩 1 数组，其中 p 是参数数；即 beta = array([B_1, B_2, ..., B_p])

fjacb

如果响应变量是多维的，则返回数组的形状为 (q, p, n)，使得 fjacb(x,beta)[l,k,i] = d f_l(X,B)/d B_k 在第 i 个数据点处求值。如果 q == 1，则返回数组仅为秩 2，形状为 (p, n)。

fjacd

与 fjacb 相同，只是返回数组的形状为 (q, m, n)，使得 fjacd(x,beta)[l,j,i] = d f_l(X,B)/d X_j 在第 i 个数据点处求值。如果 q == 1，则返回数组的形状为 (m, n)。如果 m == 1，则形状为 (q, n)。如果 m == q == 1，则形状为 (n,)。

方法

set_meta(**kwds)

使用此处提供的关键字和数据更新元数据词典。