Python 协方差矩阵的多重拟合误差

代码如下：

p=[1,2,3,4]

q=[4,5,6,7]

z,n=numpy.polyfit(p,q,1,cov=True)

它给了我这样一个信息：

4 z，n=np.多元拟合（p，q，1，cov=True）

C:\Users\Rekha\Anaconda3\lib\site packages\numpy\lib\polynomy.py，采用多边形拟合（x、y、deg、rcond、full、w、cov）

601#此外，它对不确定性给出了稍微保守的估计

602如果len（x）603 raise VALUE ERROR（“数据点的数量必须超过订单+2” 604“用于贝叶斯估计协方差矩阵”）

605 fac=剩余/（len（x）-阶数-2.0）

ValueError：对于贝叶斯网络，数据点的数量必须超过order+2 估计协方差矩阵

---

我不明白为什么会这样？我有四个数据点，足以拟合一条直线。错误正好说明了问题所在：没有足够的数据点来估计协方差矩阵（而不是进行拟合）

或者，如果您满足建议的条件，即多了一个数据点，则可以对协方差矩阵进行估计

import numpy as np

p = [1, 2, 3, 4, 5]
q = [4, 5, 6, 7, 8]

z, n = np.polyfit(p, q, 1, cov=True)

print(z, n)

---

我不知道你需要协方差矩阵，但是如果你需要的只是拟合参数上的错误，你可以考虑手动计算这个，例如通过所有可能的<代码> C（n，k）。将

n

数据点组合为

k

的所有有效值，然后计算所得系数的标准偏差。

错误正好说明了问题所在：您没有足够的数据点估计协方差矩阵（和不执行配合）

或者，如果您满足建议的条件，即多了一个数据点，则可以对协方差矩阵进行估计

import numpy as np

p = [1, 2, 3, 4, 5]
q = [4, 5, 6, 7, 8]

z, n = np.polyfit(p, q, 1, cov=True)

print(z, n)

---

我不知道你需要协方差矩阵，但是如果你需要的只是拟合参数上的错误，你可以考虑手动计算这个，例如通过所有可能的<代码> C（n，k）。将

n

数据点组合为

k

的所有有效值，然后计算所得系数的标准偏差。

误差表示len（x）>阶数+2。阶数为1，1+2=3阶数+3？阶数是1，阶数是阶数+1。误差表示len（x）>阶数+2。阶数是1，1+2=3阶数+3？阶数是1，阶数是阶数+1。