从scipy.linalg.lstsq获取R^2值

Question

我有一个使用scipy.linalg.lstsq函数的拟合3D数据集。

我使用的是：

# best-fit quadratic curve    
A = np.c_[np.ones(data.shape[0]), data[:,:2], np.prod(data[:,:2], axis=1), data[:,:2]**2]    
C,_,_,_ = scipy.linalg.lstsq(A, data[:,2])    
#evaluating on grid      
Z = np.dot(np.c_[np.ones(XX.shape), XX, YY, XX*YY, XX**2, YY**2], C).reshape(X.shape)

但是我怎样才能得到拟合曲面的R^2值呢？

有什么方法可以检查拟合结果的重要性吗？

任何与此相关的想法都将受到高度赞赏。

谢谢。

Answer 1

关注http://en.wikipedia.org/wiki/Coefficient_of_determination

B = data[:,2]

SStot = ((B - B.mean())**2).sum()
SSres = ((B - np.dot(A,C))**2).sum()
R2 = 1 - SSres / SStot

正如维基百科上的文章所指出的，R2有很多缺点。据我所知，scipy/numpy与statsmodel之类的库相比很差。

如果你想要运行多元回归，因为你需要计算事后估计的系数标准误差，t统计量，p值等等，如果你想知道数据中发生了什么。

有很多帖子致力于用Python运行OLS，所以只需选择一个，例如：http://www.datarobot.com/blog/ordinary-least-squares-in-python/