Python 找到poly1d中不确定性的正确方法是什么?
当评估Python 找到poly1d中不确定性的正确方法是什么?,python,numpy,Python,Numpy,当评估polyfit模型时,p在某一特定值xp,是否有一种直接的方法来获得结果的不确定性?也就是说,∆xp如xp±∆xp 每个系数的标准偏差估计值,perr=np.sqrt(np.diag(cov))可用于此目的,应用一些代数,但是否更容易 基于以下问题的一段代码: import numpy as np x = np.arange(100) y = x**2 + 3*x + 5 + np.random.rand(100) k = 3 p, cov = np.polyfit(x, y, k,
polyfit
模型时,p
在某一特定值xp
,是否有一种直接的方法来获得结果的不确定性?也就是说,∆xp
如xp
±∆xp
每个系数的标准偏差估计值,perr=np.sqrt(np.diag(cov))
可用于此目的,应用一些代数,但是否更容易
基于以下问题的一段代码:
import numpy as np
x = np.arange(100)
y = x**2 + 3*x + 5 + np.random.rand(100)
k = 3
p, cov = np.polyfit(x, y, k, cov=True)
model = np.poly1d(p)
xp = 30
xp_value = model(xp)