整个过程分七步,为了方便喜欢直接copy代码看结果的同学,每步都放上了完整的代码。

实验数据:

          

 第一步:准备样本数据并绘制散点图

       1)代码及其说明

import numpy as npimport scipy as spimport matplotlib.pyplot as pltfrom scipy.optimize import leastsq##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171]) #身高Yi=np.array([58,63,57,65,62,66,58,59,62])#体重#画样本点plt.figure(figsize=(8,6)) ##指定图像比例: 8:6plt.scatter(Xi,Yi,color="green",label="样本数据",linewidth=1) 
plt.show()

        2)结果图

          3)分析

              从散点图可以看出,样本点基本是围绕箭头所示的直线分布的。所以先以直线模型对数据进行拟合

 第二步: 使用最小二乘法算法求拟合直线

          1)代码及其说明

import numpy as npimport scipy as spimport matplotlib.pyplot as pltfrom scipy.optimize import leastsq##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171])
Yi=np.array([58,63,57,65,62,66,58,59,62])##需要拟合的函数func :指定函数的形状 k= 0.42116973935 b= -8.28830260655def func(p,x):
    k,b=p    return k*x+b##偏差函数:x,y都是列表:这里的x,y更上面的Xi,Yi中是一一对应的def error(p,x,y):    return func(p,x)-y#k,b的初始值,可以任意设定,经过几次试验,发现p0的值会影响cost的值:Para[1]p0=[1,20]#把error函数中除了p0以外的参数打包到args中(使用要求)Para=leastsq(error,p0,args=(Xi,Yi))#读取结果k,b=Para[0]print("k=",k,"b=",b)#画样本点plt.figure(figsize=(8,6)) ##指定图像比例: 8:6plt.scatter(Xi,Yi,color="green",label="样本数据",linewidth=2) 

#画拟合直线x=np.linspace(150,190,100) ##在150-190直接画100个连续点y=k*x+b ##函数式plt.plot(x,y,color="red",label="拟合直线",linewidth=2) 
plt.legend() #绘制图例plt.show()

        2)结果图

         3)分析

             从图上看,拟合效果还是不错的。样本点基本均匀的分布在回归线两边,没有出现数据点严重偏离回归线的情况。

 第三步:  验证回归线的拟合程度—残差分布图

         1)代码及其说明

import numpy as npimport matplotlib.pyplot as pltimport statsmodels.api as smfrom statsmodels.graphics.api import qqplot##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171])
Yi=np.array([58,63,57,65,62,66,58,59,62])
xy_res=[]##计算残差def residual(x,y):
    res=y-(0.42116973935*x-8.28830260655)    return res##读取残差for d in range(0,len(Xi)):
    res=residual(Xi[d],Yi[d])
    xy_res.append(res)##print(xy_res)##计算残差平方和:22.8833439288 -->越小拟合情况越好xy_res_sum=np.dot(xy_res,xy_res)#print(xy_res_sum) ##如果数据拟合模型效果好,残差应该遵从正态分布(0,d*d:这里d表示残差)#画样本点fig=plt.figure(figsize=(8,6)) ##指定图像比例: 8:6ax=fig.add_subplot(111)
fig=qqplot(np.array(xy_res),line='q',ax=ax)
plt.show()

       2)结果图

         3)分析

             上图为Q-Q图,原理:如果两个分布相似,则该Q-Q图趋近于落在y=x线上。如果两分布线性相关,则点在Q-Q图上趋近于落在一条直线上,但不一定在y=x线上。Q-Q图可以用来可在分布的位置-尺度范畴上可视化的评估参数。

              从图上可以看出,回归效果比较理想,但不是最理想的

        4)以下代码可以同样实现上述图示:

import numpy as npimport scipy.stats as statsimport pylab##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171])
Yi=np.array([58,63,57,65,62,66,58,59,62])
xy_res=[]##计算残差def residual(x,y):
    res=y-(0.42116973935*x-8.28830260655)    return res##读取残差for d in range(0,len(Xi)):
    res=residual(Xi[d],Yi[d])
    xy_res.append(res)##print(xy_res)##计算残差平方和:22.8833439288 -->越小拟合情况越好xy_res_sum=np.dot(xy_res,xy_res)#print(xy_res_sum) ##如果数据拟合模型效果好,残差应该遵从正态分布(0,d*d:这里d表示残差)#画样本点stats.probplot(np.array(xy_res),dist="norm",plot=pylab)
pylab.show()

 

 第四步: 验证回归线的拟合程度—标准化残差

         1)代码及其说明

import numpy as npimport matplotlib.pyplot as plt##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171])
Yi=np.array([58,63,57,65,62,66,58,59,62])
xy_res=[]##计算残差def residual(x,y):
    res=y-(0.42116973935*x-8.28830260655)    return res##读取残差for d in range(0,len(Xi)):
    res=residual(Xi[d],Yi[d])
    xy_res.append(res)##print(xy_res)##计算残差平方和:22.8833439288 -->越小拟合情况越好xy_res_sum=np.dot(xy_res,xy_res)'''
      标准残差:  (残差-残差平均值)/残差的标准差''''''
      标准残差图:
    1.标准残差是以拟合模型的自变量为横坐标,以标准残差为纵坐标形成的平面坐标图像
    2.试验点的标准残差落在残差图的(-2,2)区间以外的概率<=0.05.若某一点落在区间外,可判为异常点
    3.有效标准残差点围绕y=0的直线上下完全随机分布,说明拟合情况良好
    4.如果拟合方程原本是非线性模型,但拟合时却采用了线性模型,标准化残差图就会表现出曲线形状,产生
      系统性偏差'''##计算残差平均值xy_res_avg=0for d in range(0,len(xy_res)):
    xy_res_avg+=xy_res[d]
    
xy_res_avg/=len(xy_res)#残差的标准差xy_res_sd=np.sqrt(xy_res_sum/len(Xi))##标准化残差 xy_res_sds=[]for d in range(0,len(Xi)):
    res=(xy_res[d]-xy_res_avg)/xy_res_sd
    xy_res_sds.append(res)#print(xy_res_sds)
    #标准化残差分布plt.figure(figsize=(8,6)) ##指定图像比例: 8:6plt.scatter(Xi,xy_res_sds) 
plt.show()'''
  1.绝大部分数据分布在(-2,+2)的水平带状区间内,因此模型拟合较充分
  2.数据点分布稍均匀,但没有达到随机均匀分布的状态。此外,部分数据点还呈现某种曲线波动形状,
    有少许系统性偏差。因此可能采用非线性拟合效果会更好'''

         2)结果图

          3)分析

               数据点分布还是存在一定的变化趋势的。

  第五步:使用曲线模型拟合数据

         1)代码及其说明

import numpy as npimport scipy as spimport matplotlib.pyplot as pltfrom scipy.optimize import leastsq##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171])
Yi=np.array([58,63,57,65,62,66,58,59,62])##需要拟合的函数func :指定函数的形状 k= 0.860357336936 b= -19.6659389666def func(p,x):
    k,b=p    return x**k+b##偏差函数:x,y都是列表:这里的x,y更上面的Xi,Yi中是一一对应的def error(p,x,y):    return func(p,x)-y#k,b的初始值,可以任意设定,经过几次试验,发现p0的值会影响cost的值:Para[1]p0=[1,20]#把error函数中除了p0以外的参数打包到args中(使用要求)Para=leastsq(error,p0,args=(Xi,Yi))#读取结果k,b=Para[0]print("k=",k,"b=",b)#画样本点plt.figure(figsize=(8,6)) ##指定图像比例: 8:6plt.scatter(Xi,Yi,color="green",label="样本数据",linewidth=2) 

#画拟合直线x=np.linspace(150,190,100) ##在150-190直接画100个连续点y=x**k+b ##函数式plt.plot(x,y,color="red",label="拟合直线",linewidth=2) 
plt.legend() #绘制图例plt.show()

         2)结果图

         3)分析

              由于标准化残差的分布图,部分数据的趋势与幂函数在第一象限的图像类似, 所以采用了y=xa  +b的函数形式,截距b是为了图像可以在Y轴上下移动

 第六步:验证回归线的拟合程度—残差分布图

        1)代码及其说明

import numpy as npimport matplotlib.pyplot as pltimport statsmodels.api as smfrom statsmodels.graphics.api import qqplot##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171])
Yi=np.array([58,63,57,65,62,66,58,59,62])
xy_res=[]##计算残差def residual(x,y):
    res=y-(x**0.860357336936-19.6659389666)    return res##读取残差for d in range(0,len(Xi)):
    res=residual(Xi[d],Yi[d])
    xy_res.append(res)##print(xy_res)##计算残差平方和:22.8833439288 -->越小拟合情况越好xy_res_sum=np.dot(xy_res,xy_res)#print(xy_res_sum) ##如果数据拟合模型效果好,残差应该遵从正态分布(0,d*d:这里d表示残差)#画样本点fig=plt.figure(figsize=(8,6)) ##指定图像比例: 8:6ax=fig.add_subplot(111)
fig=qqplot(np.array(xy_res),line='q',ax=ax)
plt.show()

        2)结果图

         3)分析

                   从图上可以看出,回归效果也比较理想

 第七步:验证回归线的拟合程度—标准化残差

         1)代码及其说明

import numpy as npimport matplotlib.pyplot as plt##样本数据(Xi,Yi),需要转换成数组(列表)形式Xi=np.array([160,165,158,172,159,176,160,162,171])
Yi=np.array([58,63,57,65,62,66,58,59,62])
xy_res=[]##计算残差def residual(x,y):
    res=y-(x**0.860357336936-19.6659389666)    return res##读取残差for d in range(0,len(Xi)):
    res=residual(Xi[d],Yi[d])
    xy_res.append(res)##print(xy_res)##计算残差平方和:22.881076636 -->越小拟合情况越好xy_res_sum=np.dot(xy_res,xy_res)#print(xy_res_sum)'''
      标准残差:  (残差-残差平均值)/残差的标准差'''##计算残差平均值xy_res_avg=0for d in range(0,len(xy_res)):
    xy_res_avg+=xy_res[d]
    
xy_res_avg/=len(xy_res)#残差的标准差xy_res_sd=np.sqrt(xy_res_sum/len(Xi))##标准化残差 xy_res_sds=[]for d in range(0,len(Xi)):
    res=(xy_res[d]-xy_res_avg)/xy_res_sd
    xy_res_sds.append(res)print(xy_res_sds)    
#标准化残差分布plt.figure(figsize=(8,6)) ##指定图像比例: 8:6plt.scatter(Xi,xy_res_sds) 
plt.show()'''
  1.绝大部分数据分布在(-2,+2)的水平带状区间内,因此模型拟合较充分
  2.数据点分布稍均匀,但没有达到随机均匀分布的状态。此外,部分数据点还呈现某种曲线波动形状,
    有少许系统性偏差。因此可能采用非线性拟合效果会更好'''

        2)结果图

          3)分析

               数据点分布趋和直线回归方程基本一样

 

补充说明:

       其实整个实验过程并没有达到预期效果。

       1)如果对实验过程的5-7步使用R语言重新实验(R语言提供了所有相关函数),第7步的效果如下:

 

 

也就说所有的标准化残差都是落在(-2,+2)区间内的,即曲线方程才是最佳拟合方程。

      2)标准化残差没有找到具体的定义,网上对这个定义有多种解释

      3)标准化残差的计算方式没有找到相应的python包,只能按照其中某一个定义自己写代码计算(估计是浮点数计算产生的误差)