首先，公式TSS = ESS + RSS总是正确的吗？即使是指数模型？如果是，我就是不明白我错在哪里。在
我有两个x和y值数组，其中y依赖于xx = np.array([1.5, 2.1, 2.4, 2.7, 3.2, 3.4, 3.6, 3.7, 4.0, 4.5, 5.1, 5.6])
y = np.array([0.6, 1.2, 1.3, 1.4, 1.45, 1.5, 1.6, 1.8, 1.9, 1.95, 2.1, 2.2])
我有一个函数，它决定系数a和b，并返回一个线性回归方程(如果需要，只返回a和b)
^{pr2}$
我有一个函数，它决定系数a和b，并返回指数回归方程def Exponential(x, y, getAB = False):
LOG_Y_array = [math.log(value) for value in y]
A, B = Linear(x, LOG_Y_array, getAB = True)
a = math.exp(A)
b = math.exp(B)
if getAB:
return a, b
return lambda X: a * (b**X)
我创建了基于指数模型计算的y值数组Exponential_Prediction = Exponential(x, y)
Exponential_Prediction_y = [Exponential_Prediction(value) for value in x]
最后，我就是这样计算TSS，ESS和RSS的TSS = np.sum((y – np.average(y))**2)
ESS_Exp = np.sum((Exponential_Prediction_y – np.average(y))**2)
RSS_Exp = np.sum((y-Exponential_Prediction_y)**2)
这一切都很清楚，除了这个结果print(str(TSS) + ” = ” + 便宜美国vps str(ESS_Exp) + ” + ” + str(RSS_Exp))
等于2.181666667=2.75523753042+0.432362713806
我不明白为什么ESS会比TSS更重要
45247876
