您好,登錄后才能下訂單哦!
最小二乘法擬合
最小二乘法(又稱最小平方法)是一種數(shù)學(xué)優(yōu)化技術(shù)。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù),并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。
假設(shè)有一組實驗數(shù)據(jù)(x[i], y[i]),我們知道它們之間的函數(shù)關(guān)系:y = f(x),通過這些已知信息,需要確定函數(shù)中的一些參數(shù)項。例如,如果f是一個線型函數(shù)f(x) = k * x + b, 那么參數(shù)k和b就是我們需要確定的值。如果將這些參數(shù)組用p來表示的話, 那么我們就是需要找到一組p值使得如下公式中的S函數(shù)最小:
這種算法被稱為最小二乘法擬合。
scipy中的子函數(shù)庫optimize已經(jīng)提供了實現(xiàn)最小二乘擬合算法的函數(shù)leastsq。下面是用leastsq進(jìn)行數(shù)據(jù)擬合的一個例子。
import numpy as np
from scipy.optimize import leastsq
import pylab as pl
def func(x, p):
"""
數(shù)據(jù)擬合所用的函數(shù):A * sin(2 * pi * k * x + theta)
"""
A, k, theta = p
return A * np.sin(2 * np.pi * k * x + theta)
def residuals(p, y, x):
"""
實驗數(shù)據(jù)x,y和擬合函數(shù)之間的差, p為擬合需要找到的系數(shù)
"""
return y - func(x, p)
x = np.linspace(0, -2 * np.pi, 100)
A, k, theta = 10, 0.34, np.pi / 6 #真實數(shù)據(jù)的函數(shù)參數(shù)
y0 = func(x, [A, k, theta]) #真實的y數(shù)據(jù)
y1 = y0 + 2 * np.random.randn(len(x)) #加入噪聲之后的數(shù)據(jù)
p0 = [7, 0.2, 0] #第一次猜測的擬合參數(shù)
#調(diào)用leastsq進(jìn)行數(shù)據(jù)擬合
#residuals為計算誤差的函數(shù)
#p0為擬合參數(shù)的初始值
#args為需要擬合的實驗數(shù)據(jù)
plsq = leastsq(residuals, p0, args = (y1, x))
print("真實參數(shù):", [A, k, theta])
print("擬合參數(shù):", plsq[0]) #實驗數(shù)據(jù)擬合后的參數(shù)
pl.plot(x, y0, label = u"真實數(shù)據(jù)")
pl.plot(x, y1, label = u"帶噪聲的實驗數(shù)據(jù)")
pl.plot(x, func(x, plsq[0]), label =u"擬合數(shù)據(jù)")
pl.legend()
pl.show()
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。