在使用pykalman进行卡尔曼回归时，如何估计误差？

Question

我用pykalman进行回归，但我想估计回归系数的误差。特别是，我们有以下表达式：

Y(t) = B(t)X(t) +v

如果回归系数(B)本身是一个随机过程，则：

B(t) = B(t-1) +w

因此，我所处理的“噪声”由v和w表示，表示高斯噪声，其中：

W~ N(0，Q)

V~ N(0，R)

现在-我想把信号/噪声比表示为Q / R。我的问题是如何从pykalman过程中提取这些值。目前，我的代码只返回回归系数，但如何获得Q和R？

 def UpdateKalman(self, ins1, ins2):
        obs_mat = np.array([[ins1, 1.0]])
        means, covs = self.kf.filter_update(self.previous_state_means.T,
                                            self.previous_state_covs[0],
                                            observation=np.asarray(ins2),
                                            observation_matrix=obs_mat)

        self.previous_state_covs = covs
        self.previous_state_means = means
        beta = means[:, 0][0]
        return beta

Answer 1

如果你想得到观测协方差(我理解你在你的问题中称之为R)和转换协方差(我理解你称之为Q)，你可以直接从pykalman.standard.KalmanFilter类对象中得到它们。

假设在您的示例中，self.kf是suck对象，那么您可以获得如下所示：

   R = self.kf.observation_covariance
   Q = self.kf.transition_covariance

我的理解是，这个对象和这些矩阵是通过filter_update步骤在代码中更新的，即使通过它，也不会作为该函数的输出返回。