Ich führe eine Regression der kleinsten Quadrate durch (univariate). Ich möchte die Bedeutung des Ergebnisses in Bezug auf R ^ 2 ausdrücken. Numpy gibt den Wert eines nicht skalierten Rests zurück, was eine sinnvolle Methode wäre, dies zu normalisieren.

field_clean,back_clean = rid_zeros(backscatter,field_data)
num_vals = len(field_clean)
x = field_clean[:,row:row+1]
y = 10*log10(back_clean)

A = hstack([x, ones((num_vals,1))])
soln = lstsq(A, y )
m, c =  soln [0]
residues = soln [1]

print residues