scipy.odr.

RealData

class scipy.odr.RealData(x, y=None, sx=None, sy=None, covx=None, covy=None, fix=None, meta=None)

資料，其權重為實際標準差和/或共變異數。

參數:

xarray_like

迴歸中自變數的觀測資料

yarray_like, 選用

若為類陣列，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。

sxarray_like, 選用

x 的標準差。sx 是 x 的標準差，並透過將 1.0 除以其平方值轉換為權重。

syarray_like, 選用

y 的標準差。sy 是 y 的標準差，並透過將 1.0 除以其平方值轉換為權重。

covxarray_like, 選用

x 的共變異數。covx 是 x 的共變異數矩陣陣列，並透過對每個觀測值的共變異數矩陣執行矩陣反轉轉換為權重。

covyarray_like, 選用

y 的共變異數。covy 是共變異數矩陣陣列，並透過對每個觀測值的共變異數矩陣執行矩陣反轉轉換為權重。

fixarray_like, 選用

參數和成員 fix 與 Data.fix 和 ODR.ifixx 相同：它是一個與 x 形狀相同的整數陣列，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, 選用

用於 metadata 的自由形式字典。

註解

權重 wd 和 we 是從提供的值計算得出的，如下所示

sx 和 sy 透過將 1.0 除以其平方值轉換為權重。例如，wd = 1./np.power(`sx`, 2)。

covx 和 covy 是共變異數矩陣陣列，並透過對每個觀測值的共變異數矩陣執行矩陣反轉轉換為權重。例如，we[i] = np.linalg.inv(covy[i])。

這些參數遵循與 wd 和 we 相同的結構化參數慣例，僅受其性質限制：sx 和 sy 不能是 rank-3，但 covx 和 covy 可以是。

僅設定 sx 或 covx (而非兩者)。同時設定兩者將引發例外。 sy 和 covy 也是如此。

方法

set_meta(**kwds)

使用關鍵字和關鍵字提供的資料更新 metadata 字典。