scipy.odr.
RealData#
- class scipy.odr.RealData(x, y=None, sx=None, sy=None, covx=None, covy=None, fix=None, meta=None)[源代码]#
数据，权重为实际标准差和/或协方差。
- 参数:
- xarray_like
回归的自变量的观测数据
- yarray_like, 可选
如果为 array-like，则为回归的因变量的观测数据。标量输入意味着要用于数据的模型是隐式的。
- sxarray_like, 可选
x 的标准差。sx 是 x 的标准差，并通过将 1.0 除以它们的平方转换为权重。
- syarray_like, 可选
y 的标准差。sy 是 y 的标准差，并通过将 1.0 除以它们的平方转换为权重。
- covxarray_like, 可选
x 的协方差。covx 是 x 的协方差矩阵数组，并通过对每个观测的协方差矩阵执行矩阵求逆来转换为权重。
- covyarray_like, 可选
y 的协方差。covy 是协方差矩阵的数组，并通过对每个观测的协方差矩阵执行矩阵求逆来转换为权重。
- fixarray_like, 可选
参数和成员 fix 与 Data.fix 和 ODR.ifixx 相同：它是一个与 x 形状相同的整数数组，用于确定哪些输入观测被视为固定的。可以使用长度为 m（输入观测的维度）的序列来固定所有观测的某些维度。值为 0 表示固定观测，值 > 0 表示自由观测。
- metadict, 可选
用于元数据的自由格式字典。
备注
权重 wd 和 we 从提供的值计算如下
sx 和 sy 通过将 1.0 除以它们的平方转换为权重。例如，
wd = 1./np.power(`sx`, 2)。covx 和 covy 是协方差矩阵的数组，并通过对每个观测的协方差矩阵执行矩阵求逆来转换为权重。例如，
we[i] = np.linalg.inv(covy[i])。这些参数遵循与 wd 和 we 相同的结构化参数约定，仅受其性质限制：sx 和 sy 不能是 3 阶张量，但 covx 和 covy 可以是。
仅设置 sx 或 covx 中的一个（而不是两者）。设置两者将引发异常。sy 和 covy 也是如此。
方法
set_meta(**kwds)使用关键字和关键字提供的数据更新元数据字典。