稳健的回归和离群值检测
使用贝叶斯迭代将已知模型稳固地拟合到数据。 这两个实现使用
兰萨克
M估计
健壮的部分实现了,而功能却没有实现。 模型拟合是从scipy.minimize借用的。 随意使用其他模型拟合方法。
要求
numpy是robust_lsq.py的唯一先决条件。 robust_lsq.py需要最小二乘拟合函数(或其他拟合函数),例如scipy.optimize.minimize 。 请参阅示例models.py 。
robust_lsq.py
麻木
models.py
科学的
麻木
test.py
科学的
麻木
matplotlib
设置
请运行test.py以获取使用贝叶斯估计将直线稳固地拟合到数据的示例。
它是如何工作的?
关键思想是确定最适合模型的样本。 使用贝叶斯更新。 贝叶斯规则由下式给出:
P(数据/模型)= P(模型/数据)* P(数据)/ p(模型)
1