Я хотел бы настроить вес w
, чтобы оптимизировать r-квадрат коэффициента корреляции Пирсона.
import numpy as np
from scipy import stats
x1_raw=np.array([277, 115, 196])
x2_raw=np.array([263, 118, 191])
x3_raw=np.array([270, 114, 191])
w=np.array([w1, w2, w3])
x1=np.prod([w,x1_raw], axis=0).sum()
x2=np.prod([w,x2_raw], axis=0).sum()
x3=np.prod([w,x3_raw], axis=0).sum()
x=np.array([x1, x2, x3])
y=np.array([71.86, 71.14, 70.76])
slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)
r_squared = r_value**2
Итак, каков код для настройки [w1, w2, w3]
, чтобы максимизировать r_squared
?
Спасибо @mathew gunther
Результат, который я получил от print(res)
:
final_simplex: (array([[ 0.41998763, 2.66314965, 3.34462572],
[ 0.4199877 , 2.66314968, 3.34462654],
[ 0.41998749, 2.66314983, 3.34462649],
[ 0.41998765, 2.66314917, 3.34462607]]), array([-1., -1., -1., -1.]))
fun: -0.99999999999999822
message: 'Optimization terminated successfully.'
nfev: 130
nit: 65
status: 0
success: True
x: array([ 0.41998763, 2.66314965, 3.34462572])
Я могу понять, что x: array([ 0.41998763, 2.66314965, 3.34462572])
это w
; nfev
— количество вычислений Функции; nit
- количество итераций
Но каковы следующие параметры?
array([[ 0.41998763, 2.66314965, 3.34462572],
[ 0.4199877 , 2.66314968, 3.34462654],
[ 0.41998749, 2.66314983, 3.34462649],
[ 0.41998765, 2.66314917, 3.34462607]])
array([-1., -1., -1., -1.]))
status: 0