如何计算非线性曲线拟合的判定系数(R2)和均方误差(RMSE)。下面的代码直到曲线拟合为止。那么如何计算R2和RMSE呢?
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()
发布于 2013-11-21 08:30:32
你可以这样做:
print "Mean Squared Error: ", np.mean((y-func(x, *popt))**2)
ss_res = np.dot((yn - func(x, *popt)),(yn - func(x, *popt)))
ymean = np.mean(yn)
ss_tot = np.dot((yn-ymean),(yn-ymean))
print "Mean R :", 1-ss_res/ss_tot
这是直接使用定义,例如在维基百科:determination#Definitions中。
发布于 2014-11-24 01:15:06
Martin schen,不是y
,而是yn
:
np.mean((y-func(x, *popt))**2)
并阅读有关均方误差(RMSE):analysis的内容。
residuals = yn - func(x,*popt)
print "RMSE",(scipy.sum(residuals**2)/(residuals.size-2))**0.5
现计算为Excel2003Analysis ToolPak。
https://stackoverflow.com/questions/20115272
复制相似问题