statsmodels.robust.robust_linear_model.RLM.fit¶

RLM.fit(maxiter=50, tol=1e-08, scale_est='mad', init=None, cov='H1', update_scale=True, conv='dev', start_params=None)[source]¶

使用迭代重加权最小二乘法拟合模型。

IRLS 例程运行直到指定的目标收敛到 tol 或 maxiter 已达到。

Parameters:¶

convstr

指示收敛标准。 可用选项包括“coefs”（系数）、“weights”（迭代中的权重）、“sresid”（标准化残差）和“dev”（M估计器的未归一化对数似然）。默认值为“dev”。

covstr, optional

‘H1’, ‘H2’, 或 ‘H3’ 指示协方差矩阵的估计方式。默认值是 ‘H1’。 有关更多信息，请参阅 rlm.RLMResults。

initstr

指定参数初始估计的方法。 默认值为 None，这意味着使用最小二乘估计。 目前它是唯一可用的选择。

maxiterint

尝试的最大迭代次数。默认是50。

scale_eststr or HuberScale()

‘mad’ 或 HuberScale() 指示用于在 IRLS 中缩放权重的估计值。 默认值是 ‘mad’（中位数绝对偏差）。其他选项包括 ‘HuberScale’ 用于 Huber 的提议 2。Huber 的提议 2 具有 可选的关键字参数 d、tol 和 maxiter，用于指定 调谐常数、收敛容差和最大迭代次数。有关更多信息，请参见 statsmodels.robust.scale。

tolfloat

估计的收敛容差。默认值为1e-8。

update_scaleBool

如果 update_scale 为 False，则权重在迭代过程中保持恒定的比例估计。否则，它会在每次迭代中更新。默认值为 True。

start_paramsarray_like, optional

优化器的解的初始猜测。如果没有提供，初始参数将使用OLS计算。

Returns:¶

resultsstatsmodels.rlm.RLMresults

结果实例