纽比.波利菲特给出有用的拟合，但协方差矩阵是无穷大的

Question

我试图用多项式拟合一组数据。有时，numpy.ployfit返回的协方差矩阵只由inf组成，尽管拟合似乎很有用。没有numpy.inf或'努比·楠“在数据里！在

示例：

import numpy as np
# sample data, does not contain really x**2-like behaviour, 
# but that should be visible in the fit results
x = [-449., -454., -459., -464., -469.]
y = [ 0.9677024,   0.97341953,  0.97724978,  0.98215678,  0.9876293]

fit, cov = np.polyfit(x, y, 2, cov=True)

print 'fit: ', fit
print 'cov: ', cov

结果：

^{pr2}$

np.cov(x,y)给出

[[  6.25000000e+01  -6.07388099e-02]
 [ -6.07388099e-02   5.92268942e-05]]

因此np.cov与np.polyfit返回的协方差不同。有人知道怎么回事吗？在

编辑： 我现在明白了numpy.cov不是我想要的。我需要多项式系数的方差，但是如果(len(x) - order - 2.0) == 0，我就不能得到它们。有没有其他方法可以得到拟合多项式系数的方差？在

Answer 1

---

区别应该在自由度上。在polyfit方法中，它已经考虑到你的学位是2，因此导致：

RuntimeWarning: divide by zero encountered in true_divide
  fac = resids / (len(x) - order - 2.0)

你可以传递你的np.cov一个ddof=关键字（ddof=delta自由度），你会遇到同样的问题