9
Wykonuję regresję najmniejszych kwadratów, jak poniżej (jednowymiarowy). Chciałbym wyrazić znaczenie wyniku w kategoriach R^2. Numpy zwraca wartość nieskalowanych pozostałości, co byłoby sensownym sposobem normalizacji tego.Konwersja wartości Numpy Lstsq na R^2
field_clean,back_clean = rid_zeros(backscatter,field_data)
num_vals = len(field_clean)
x = field_clean[:,row:row+1]
y = 10*log10(back_clean)
A = hstack([x, ones((num_vals,1))])
soln = lstsq(A, y)
m, c = soln [0]
residues = soln [1]
print residues
Czy możemy wykonać tę operację w przypadku 'scipy.linalg.lstsq'!? – diffracteD
i jak ten przykład "numpy" dotyczy danych 3D! nie mogąc tego zdobyć .. – diffracteD