Python-R平方和可通过scipy.optimize curve_fit获得的绝对平方和？

我正在使用曲线拟合来拟合曲线。有没有办法读出决定系数和绝对平方和？ 感谢Woodpicker，曲线拟合优化为您提供

参数的最佳值，使平方误差之和 f（扩展数据，*popt）-ydata的最小值

然后，使用

optimize.leastsq

import scipy.optimize
p,cov,infodict,mesg,ier = optimize.leastsq(
        residuals,a_guess,args=(x,y),full_output=True,warning=True)

对于

残差

：

def residuals(a,x,y):
    return y-f(x,a)

residuals

是返回真实输出数据

y

和模型输出之间差异的方法，其中

f

模型，

a

参数，

x

输入数据

方法

optimize.leastsq

返回大量信息，您可以使用这些信息自己计算RSquared和RMSE。对于RSQuared，您可以

ssErr = (infodict['fvec']**2).sum()
ssTot = ((y-y.mean())**2).sum()
rsquared = 1-(ssErr/ssTot )

关于什么是infodict['fvec']

In [48]: optimize.leastsq?
...
      infodict -- a dictionary of optional outputs with the keys:
                  'fvec' : the function evaluated at the output

---

我试着跟着你，但没有成功。我是否需要同时使用曲线拟合和最小二乘法？我可以不使用曲线拟合的pcov吗？根据文档，curve_fit已经使用了leastsq-或者我计算r square所需的信息没有从leastsq传递到curve_fit？如果leastsq函数中的“a_猜测”，我最困惑的是-这意味着什么？谢谢……是的，你猜什么是？您编写代码的方式，

a_guess

没有定义。。。