Как я могу провести регрессионный анализ в Sage?

Question

Я безуспешно пытался это сделать:

find_fit(data, quadratic_residues)

Я пытаюсь найти наиболее подходящий вариант для данных о расходе воды: http://dl.getdropbox.com/u/175564/rate.png

---редактировать после комментария---

Новый кодекс:

var('x')
model(x) = x**2
find_fit((xlist, reqlist), model)

Сообщение об ошибке:

Traceback (click to the left for traceback)
...
TypeError: data has to be a list of lists, a matrix, or a numpy array

---редактировать

Сообщение об ошибке теперь:

Traceback (click to the left for traceback)
...
ValueError: each row of data needs 2 entries, only 5 entries given

Здесь то же самое, что и на картинке:http://dl.getdropbox.com/u/175564/sage.png

Answer 1

mydata = [[1,3],[2,7],[3,13],[4,24]]
var('a,b,c')
mymodel(x) = a*x^2 + b*x + c 
myfit = find_fit(mydata,mymodel,solution_dict=True)
points(mydata,color='purple') + plot(
  mymodel(
    a=myfit[a],
    b=myfit[b],
    c=myfit[c]
    ), 
    (x,0,4,),
    color='red'
  )

Answer 2

Я думаю, ваша проблема в том, что quadratic_residues, вероятно, означает не то, что вы думаете.Если вы пытаетесь подобрать наилучшую квадратичную модель, я думаю, вы хотите сделать что-то вроде.

var('a, b, c, x')
model(x) = a*x*x + b*x + c
find_fit(data, model)

Answer 3

Попробовав использовать Стивен его пример, я также столкнулся с ошибкой:

ValueError: each row of data needs 5 entries, only 2 entries given

Вот более наглядный пример, который я протестировал для работы в sage 4.7.

sage: l=[4*i^2+7*i+134+random() for i in xrange(100)]
sage: var('a,b,c,x')
(a, b, c, x)
sage: model=a*x^2+b*x+c
sage: find_fit(zip(xrange(100),l),model,variables=[x])
[a == 4.0000723084513217, b == 6.9904742307159697, c == 134.74698715254667]

Очевидно, вам нужны переменные =[x], чтобы сообщить sage, какая из a, b, c и x соответствует переменной в вашей модели.