如何使用numpy.polyfit和打印错误统计信息执行线性回归？

我正在弄清楚如何使用

np.polyfit

函数，这让我很困惑。特别是，我尝试执行线性回归并打印相关统计数据，如平方误差之和（SSE）。有人能提供清晰简洁的解释吗？可能只需要一个最小的工作示例。

np.polyfit

返回一个元组，其中包含参数化度的最佳拟合多项式的系数

deg

。要安装直线，请使用

deg=1

。通过将

full=True

作为参数传递给

polyfit

，可以返回残差（误差平方和）。请注意，使用此参数，

polyfit

还将返回有关拟合的一些其他信息，我们可以放弃这些信息

总的来说，我们可能有

import matplotlib.pyplot as plt
import numpy as np

# Generate some toy data.
x = np.random.rand(25)
y = 2 * x + 0.5 + np.random.normal(scale=0.05, size=x.size)

# Fit the trend line.
(m, b), (SSE,), *_ = np.polyfit(x, y, deg=1, full=True)

# Plot the original data.
plt.scatter(x, y, color='k')

# Plot the trend line.
line_x = np.linspace(0, 1, 200)
plt.plot(line_x, m * line_x + b, color='r')

plt.title(f'slope = {round(m, 3)}, int = {round(b, 3)}, SSE = {round(SSE, 3)}')
plt.show()

调用

polyfit

中的

*.

符号只是告诉Python放弃函数返回的许多附加值。如果您感兴趣，文档可以告诉您这些额外的值。我们必须将SSE解析为一个元组

（SSE，）

，因为

polyfit

将其作为单例数组返回。这段代码会产生类似的结果

---

您可能还想知道，它将获取多项式系数的元组，并在输入点计算相应的函数。

欢迎使用堆栈溢出，谢谢您的提问。如果您能向我们展示您拥有的任何代码，仅仅是一个简单的示例，并向我们解释您在哪里难以打印这些值，那就太好了。向我们展示你做过的任何研究，你尝试过网络搜索吗？谢谢，我想已经有人大致回答了^^