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}")