ols_residuals
描述
计算普通最小二乘(OLS)回归的残差序列。 残差表示实际观测值与模型预测值之间的差异: ε = y - Xβ。
函数签名
ols_residuals(x, y) -> None
参数
x
(numpy.ndarray)
设计矩阵,形状为(n_samples, n_features)
y
(numpy.ndarray)
响应变量,形状为(n_samples,)
返回值
numpy.ndarray 残差序列,形状为(n_samples,)
Python调用示例: ```python import numpy as np from rust_pyfunc import ols_residuals
准备训练数据
X = np.array([[1, 1], [1, 2], [1, 3]], dtype=np.float64) # 包含一个常数项和一个特征 y = np.array([2, 4, 6], dtype=np.float64) # 目标变量
计算残差
residuals = ols_residuals(X, y) print(f"残差: {residuals}") # 如果模型拟合良好,残差应该接近于零 ```
示例
输入:
ols_residuals(
np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]),
np.array([2.0, 3.0, 4.0])
)
输出:
array([nan, nan, nan], dtype=float64)
Python使用示例
import numpy as np
from rust_pyfunc import ols_residuals
# 使用示例
result = ols_residuals(np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]), np.array([2.0, 3.0, 4.0]))
print(f"结果: {result}")