如何解决在python中计算非线性回归的库克距离
我正在尝试用 Python 计算非线性回归的库克距离。我在网上只能找到它在线性回归上的应用（https://www.scikit-yb.org/en/latest/api/regressor/influence.html 或 https://www.statsmodels.org/stable/generated/statsmodels.stats.outliers_influence.OLSInfluence.cooks_distance）。但是，我正在使用以下形式的幂回归：a*x**b + c。
以下是我的回归示例：
我真的很想使用 Cook 的距离来去除异常值，在我尝试自己实现它之前，我只是想确保我没有遗漏任何东西。
根据我对它的理解 (https://en.wikipedia.org/wiki/Cook%27s_distance)，我需要进行 2*n 次回归（其中 n 是数据点的数量）才能获得每个点的权重。
我知道 Matlab 中有一个函数，您可以在其中输入任何函数 (https://www.mathworks.com/help/stats/cooks-distance.html)，但我想知道是否有等效的 Python。
谢谢！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
