python的numpy函数求平方和_如何使用Python和Numpy计算r平方？

从

numpy.polyfit文档，它是适合的线性回归。具体来说，具有度’d’的numpy.polyfit拟合具有平均函数的线性回归

E(y | x)= p_d * x ** d p_ {d-1} * x **(d-1)… p_1 * x p_0

所以你只需要计算那个拟合的R平方。 linear regression的维基百科页面提供了详细信息。你对R ^ 2感兴趣，你可以用几种方式计算，最简单的可能是

SST = Sum(i=1..n) (y_i - y_bar)^2

SSReg = Sum(i=1..n) (y_ihat - y_bar)^2

Rsquared = SSReg/SST

其中我使用“y_bar”表示y的平均值，“y_ihat”表示每个点的拟合值。

我不是很熟悉numpy(我通常工作在R)，所以可能有一个更整洁的方法来计算你的R平方，但以下应该是正确的

import numpy

# Polynomial Regression

def polyfit(x, y, degree):

results = {}

coeffs = numpy.polyfit(x, y, degree)

# Polynomial Coefficients

results['polynomial'] = coeffs.tolist()

# r-squared

p = numpy.poly1d(coeffs)

# fit values, and mean

yhat = p(x) # or [p(z) for z in x]

ybar = numpy.sum(y)/len(y) # or sum(y)/len(y)

ssreg = numpy.sum((yhat-ybar)**2) # or sum([ (yihat - ybar)**2 for yihat in yhat])

sstot = numpy.sum((y - ybar)**2) # or sum([ (yi - ybar)**2 for yi in y])

results['determination'] = ssreg / sstot

return results