Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Implementacjaregresjiliniowej
23
Narysunku2.4przedstawionowynikiregresjiliniowejprzyużyciumetodyre-
gressirobustfit.Jestwidocznaprzewagaregresjitypurobustfit,którapraktycznie
zignorowaładanedwuwartościodstających.
a)
b)
Rys.2.4.Wynikiregresjiliniowejdladanychzawierającychdwiewartościodstającewygenerowane
w:a)Matlabieib)Pytonie
Wartościwagw
iprzyjętychwrozwiązaniuuzyskanezestrukturyststs.wprzy-
jęłypostać
MATLAB
[brob,stats]=robustfit(x,d);
stats.w
=[1.0000
0.9590
0
0.9988
0.9974
0.9142
0.9704
0.9962
0.8030
0]
Python
brob.outliers_
lub
r=np.abs(d-brob.predict(X))/
brob.scale_
array([False,
False,
True,
False,
False,
False,
False,
False,
False,
True])
Zmienneodstające(trzeciaidziesiąta)zostałyprzezalgorytmzignorowane
(wagitrzeciaidziesiątarównezeru).DlaporównaniawjęzykuPythontabli-
cazinformacją,którezmiennezostałyuznanezaodstającezawieraidentyczne
