Python 寻找线性预测的置信区间：Numpy乘法误差

我有数据矩阵

X

，我适合线性模型，特别是

ransac=linear\u model.ransacregrator（）

我发现系数为：

coef=ransac.estimator\uu.coef\uu

现在，我试图找到我的预测的置信区间，所以我需要计算：

但是，在计算以下各项后，该值应始终为正值：

c = np.ones(X.shape[2]) # a vector of ones
XTX = np.matmul(np.transpose(np.matrix(X)), np.matrix(X))
# find the bit inside square root
np.matmul( np.matmul(np.transpose(c),np.linalg.inv(XTX) ) ,  c.reshape((c.shape[0],1)) )

然而，这是一个负值，甚至不可能。。。我该如何解决这个问题

逐步细分：

c = X[0]
c = np.reshape(c , (c.shape[0],1))
ct = np.reshape(c , (1, c.shape[0]))
XTX = np.matmul(np.transpose(np.matrix(X)), np.matrix(X))
XTXinv = np.linalg.inv(XTX)
XTXinvc = np.matmul(XTXinv, c)
ctXTXinvc = np.matmul(ct, XTXinvc)
# ctXTXinvc is negative

---

我意识到

c

实际上不是系数，应该用

np.ones

来代替，例如

c=np.ones（X.shape[1]）

如果我想包括所有的预测值，但它仍然给我一个负值。你的代码看起来有点乱。将计算分离成有意义的变量始终是一个很好的实践，这有助于调试。试试看@mctrjalloh我必须说，重塑是特别恼人的，因为在匹配矩阵pxp和px1之后，我希望产品是px1，而不是1xp