如何在python中加权站到最小二乘？

发布时间：2020-12-20 13:50:18 所属栏目：Python 来源：网络整理

导读：我有10个关于降水的气候站数据,它是DEM. 我做了一个线性回归跟随： DEM = [200,300,400,500,600,200,100,50,200]Prep = [50,95,59,99,23,10,60]X = DEM #independent variableY = Prep #dependent variableslope,intercept,r_value,p_value,std_err = stats.

我有10个关于降水的气候站数据,它是DEM.

我做了一个线性回归跟随：

DEM = [200,300,400,500,600,200,100,50,200]
Prep = [50,95,59,99,23,10,60]
X = DEM   #independent variable
Y = Prep  #dependent variable
slope,intercept,r_value,p_value,std_err = stats.linregress(x,y)

但现在我想为这些电台增加重量,例如：

Weight = [0.3,0.1,0.2,0.05,0.05]

该图表就像http://ppt.cc/XXrEv

我找到了加权最小二乘法,但我想知道它是如何工作的,为什么它是错误的.

import numpy as np
import statsmodels.api as sm

Y = [1,3,4,5,2,4]
X = range(1,8)
X = sm.add_constant(X)
wls_model = sm.WLS(Y,X,weights=range(1,8))
results = wls_model.fit()
results.params

解决方法

回答：

import numpy as np
import statsmodels.api as sm
start_time = time.time()
alist=[2,6]
DEM=[200,600]
PRE=[20,19,18,20,21,22,30,23]
A_DEM=[]
A_PRE=[]
W=[]
for a in alist:
    A_DEM.append(DEM[a-1])
    A_PRE.append(PRE[a-1])
    W.append(1)
X = sm.add_constant(A_DEM)
Y = A_PRE
wls_model = sm.WLS(Y,weights=W).fit()

print wls_model.params[0] #  intercept
print wls_model.params[1] #  slope
print wls_model.rsquared  #rsquared
print wls_model.summary()

我发现WLS会自动标准化.所以你可以直接增加重量.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!