scipy.odr.

Data

class scipy.odr.Data(x, y=None, we=None, wd=None, fix=None, meta=None)

要擬合的資料。

參數:

xarray_like

迴歸中獨立變數的觀測資料

yarray_like, optional

如果為類陣列，則為迴歸中應變數的觀測資料。純量輸入表示要用於資料的模型是隱含的。

wearray_like, optional

如果 we 是純量，則該值用於所有資料點（以及應變數的所有維度）。如果 we 是長度為 q（應變數的維度）的 rank-1 陣列，則此向量是所有資料點的共變異數加權矩陣的對角線。如果 we 是長度為 n（資料點的數量）的 rank-1 陣列，則第 i 個元素是第 i 個應變數觀測值的權重（僅限單維）。如果 we 是形狀為 (q, q) 的 rank-2 陣列，則這是廣播到每個觀測值的完整共變異數加權矩陣。如果 we 是形狀為 (q, n) 的 rank-2 陣列，則 we[:,i] 是第 i 個觀測值的共變異數加權矩陣的對角線。如果 we 是形狀為 (q, q, n) 的 rank-3 陣列，則 we[:,:,i] 是每個觀測值的共變異數加權矩陣的完整規格。如果擬合是隱含的，則僅使用正純量值。

wdarray_like, optional

如果 wd 是純量，則該值用於所有資料點（以及輸入變數的所有維度）。如果 wd = 0，則每個觀測值的共變異數加權矩陣設定為單位矩陣（因此每個觀測值的每個維度都具有相同的權重）。如果 wd 是長度為 m（輸入變數的維度）的 rank-1 陣列，則此向量是所有資料點的共變異數加權矩陣的對角線。如果 wd 是長度為 n（資料點的數量）的 rank-1 陣列，則第 i 個元素是第 i 個輸入變數觀測值的權重（僅限單維）。如果 wd 是形狀為 (m, m) 的 rank-2 陣列，則這是廣播到每個觀測值的完整共變異數加權矩陣。如果 wd 是形狀為 (m, n) 的 rank-2 陣列，則 wd[:,i] 是第 i 個觀測值的共變異數加權矩陣的對角線。如果 wd 是形狀為 (m, m, n) 的 rank-3 陣列，則 wd[:,:,i] 是每個觀測值的共變異數加權矩陣的完整規格。

fixarray_like of ints, optional

fix 參數與類別 ODR 中的 ifixx 相同。它是一個整數陣列，形狀與 data.x 相同，用於決定哪些輸入觀測值被視為固定的。可以使用長度為 m（輸入觀測值的維度）的序列來固定所有觀測值的某些維度。值 0 固定觀測值，值 > 0 使其自由。

metadict, optional

用於中繼資料的自由形式字典。

註解

每個參數都附加到同名實例的成員。 x 和 y 的結構在 Model 類別文件字串中描述。如果 y 是整數，則 Data 實例只能用於擬合隱含模型，其中應變數的維度等於 y 的指定值。

we 參數權衡應變數偏差對擬合的影響。wd 參數權衡輸入變數偏差對擬合的影響。為了輕鬆處理多維輸入和應變數，這些參數的結構首先具有第 n 維軸。這些參數大量使用 ODRPACK 的結構化參數功能，以方便且彈性地支援所有選項。有關如何在演算法中使用這些權重的完整說明，請參閱 ODRPACK 使用者指南。基本上，特定資料點的權重值越高，該點的偏差對擬合的損害越大。

方法

set_meta(**kwds)

使用關鍵字和關鍵字提供的資料更新中繼資料字典。