numpy.polyfit权重参数1/sigma与1/sigma²文档表述矛盾确认问询

这两处官方文档的表述不存在矛盾，是不同语境下的加权逻辑描述差异，核心原因和使用规则如下：

• 先明确numpy.polyfit的加权最小二乘实现逻辑：损失函数计算规则为对「残差乘以权重w」的结果做平方求和，公式为sum( (w[i] * (y[i] - poly(x[i]))) ** 2 for i in range(M) )
• w参数文档的表述是针对numpy自身的实现逻辑：如果观测值的高斯不确定性为标准差sigma[i]，要让损失等价于标准加权最小二乘（平方残差除以sigma平方后求和），只需要给w传1/sigma[i]即可，代入后刚好得到sum( (y[i]-poly(x[i]))² / sigma[i]² )，符合最大似然估计要求，你的现有使用方式是正确的。
• cov参数文档的表述是通用加权最小二乘语境下的常规描述：常规语境中权重会直接作为平方残差的系数，损失公式为sum( w[i] * (y[i] - poly(x[i])) ** 2 for i in range(M) )，这种场景下权重要求为1/sigma[i]²，和numpy的实现刚好差了一层平方映射。当你给numpy的w参数传了1/sigma[i]，就等价于常规语境下使用了1/sigma[i]²的权重，此时如果你确认sigma是完全可靠的不确定性估计，就可以设置cov='unscaled'跳过缩放，拿到原生协方差结果。

使用建议 #

• 直接使用numpy.polyfit接口时，完全按照w参数的文档说明传入1/sigma即可，不需要调整为平方形式。
• 协方差输出按需设置：
  • 若sigma估计精度不确定，或仅使用相对权重，保持默认cov=True即可，自动按约化chi2缩放后的协方差结果更可靠。
  • 若确认sigma是准确的观测误差，且w已传入1/sigma，可设置cov='unscaled'获取未缩放的协方差矩阵。

内容的提问来源于stack exchange，提问作者Coolcrab