如何计算python中非线性曲线拟合的确定系数(R2)和均方根误差(RMSE)。以下代码直到曲线拟合。那么如何计算R2和RMSE?如何计算python中非线性曲线拟合的确定系数(R2)和均方根误差(RMSE)
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * np.exp(-b * x) + c
x = np.linspace(0,4,50)
y = func(x, 2.5, 1.3, 0.5)
yn = y + 0.2*np.random.normal(size=len(x))
popt, pcov = curve_fit(func, x, yn)
plt.figure()
plt.plot(x, yn, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()
根据这位来自statsmodels开发人员的[post](https://github.com/scipy/scipy/issues/2962),来自'scipy.stats.linregress'的'std_err'实际上是斜率系数。这个值与RMSE不同,它是(残差平方的平均值)^ 0.5,这是一个随自由度而变化的不同值。 – pylang
不,scipy文件说SE是估算的标准误差。 http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.linregress.html#scipy.stats.linregress – Borys
在我提供的链接中,您提供的scipy文档的作者解决了这个定义。他的帖子证实了scipy的SE是斜坡的错误。 – pylang