您好,登錄后才能下訂單哦!
今天就跟大家聊聊有關(guān)Python數(shù)據(jù)擬合實(shí)現(xiàn)最小二乘法的示例分析,可能很多人都不太了解,為了讓大家更加了解,小編給大家總結(jié)了以下內(nèi)容,希望大家根據(jù)這篇文章可以有所收獲。
這個(gè)表達(dá)式還是非常簡(jiǎn)單的。
對(duì)于有些情況,我們往往選取自然序列作為自變量,這個(gè)時(shí)候在求自變量的取值時(shí)可以用到一些初等數(shù)學(xué)的推論,對(duì)于 x ∈ [ m , n ] 的自然序列來(lái)說(shuō),有
#文件名core.py import numpy as np def leastSquare(x,y): if len(x)==2: #此時(shí)x為自然序列 sx = 0.5*(x[1]-x[0]+1)*(x[1]+x[0]) ex = sx/(x[1]-x[0]+1) sx2 = ((x[1]*(x[1]+1)*(2*x[1]+1)) -(x[0]*(x[0]-1)*(2*x[0]-1)))/6 x = np.array(range(x[0],x[1]+1)) else: sx = sum(x) ex = sx/len(x) sx2 = sum(x**2) sxy = sum(x*y) ey = np.mean(y) a = (sxy-ey*sx)/(sx2-ex*sx) b = (ey*sx2-sxy*ex)/(sx2-ex*sx) return a,b
測(cè)試一下
>>> x = np.arange(25) >>> y = x*15+20+np.random.randn(len(x))*5 #randn生成正態(tài)分布噪聲 >>> a,b = core.leastSquare(x,y) >>> plt.scatter(x,y) #原始數(shù)據(jù)散點(diǎn)圖 <matplotlib.collections.PathCollection object at 0x00000218DEBBEDC8> >>> plt.plot(x,a*x+b) #擬合直線 [<matplotlib.lines.Line2D object at 0x00000218E0314FC8>] >>> plt.show()
得到
和前面一樣,約定
代碼如下
#傳入?yún)?shù)格式為np.array,n為階數(shù) def leastSquareMulti(x,y,n): X = [np.sum(x**i) for i in range(2*n+1)] Y = np.array([[np.sum(y*x**i)] for i in range(n+1)]) S = np.array([X[i:i+n+1] for i in range(n+1)]) return np.linalg.solve(S,Y) #
經(jīng)測(cè)試結(jié)果如下:
>>> x = np.arange(25) >>> y = x**3+3*x**2+2*x+12 >>> import core >>> core.leastSquareMulti(x,y,3) array([[12.], #此為常數(shù)項(xiàng) [ 2.], [ 3.], [ 1.]])
對(duì)于樣本
則相應(yīng)地其誤差方程組可表示為
則其代碼為
def expFit(x,y): y0 = y[0:-3] y1 = y[1:-2] y2 = y[2:-1] B,C = leastSquare(y2/y0,y1/y0) b1 = np.log((B-np.sqrt(B**2+4*C))/2) b2 = np.log((B+np.sqrt(B**2+4*C))/2) X = np.exp(b1-b2)*x Y = y/np.exp(b2*x) a1,a2 = leastSquare(X,Y) return a1,a2,b1,b2
看完上述內(nèi)容,你們對(duì)Python數(shù)據(jù)擬合實(shí)現(xiàn)最小二乘法的示例分析有進(jìn)一步的了解嗎?如果還想了解更多知識(shí)或者相關(guān)內(nèi)容,請(qǐng)關(guān)注億速云行業(yè)資訊頻道,感謝大家的支持。
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(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。