您好,登錄后才能下訂單哦!
本篇內(nèi)容介紹了“python中l(wèi)eastsq函數(shù)如何使用”的有關(guān)知識,在實(shí)際案例的操作過程中,不少人都會遇到這樣的困境,接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧!希望大家仔細(xì)閱讀,能夠?qū)W有所成!
leastsq作用:最小化一組方程的平方和。
參數(shù)設(shè)置:
func
誤差函數(shù)
x0
初始化的參數(shù)
args
其他的額外參數(shù)
舉個(gè)例子:
首先創(chuàng)建樣本點(diǎn)
import numpy as np import scipy as sp from scipy.optimize import leastsq import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False x=[1,2,3,4] y=[2,3,4,5]
擬合直線
def y_pre(p,x): f=np.poly1d(p) return f(x)
其中的np.polyld
f=np.poly1d([1,2,3]) # x^2+2x+3 f(1) """ 6 """
誤差函數(shù)
def error(p,x,y): return y-y_pre(p,x)
接下就簡單了
p=[1,2] # 值隨便寫 # y=w1*x+w2 res=leastsq(error,p,args=(x,y)) w1,w2=res[0] # res[0]中就是wi的參數(shù)列表 """ 到這w1和w2就已經(jīng)求出來了,下面是畫圖看一下 """ x_=np.linspace(1,10,100) # 等差數(shù)列, y_p=w1*x_+w2 # 求出的擬合曲線 plt.scatter(x,y) # 樣本點(diǎn) plt.plot(x_,y_p) # 畫擬合曲線
可以直接封裝成函數(shù)
x=np.linspace(0,2,10) y=np.sin(np.pi*x) # 原始的樣本 y_=[y + np.random.normal(0,0.1) for y in y] # np.random.normal(loc,scale,size):正態(tài)分布的均值,正態(tài)分布的標(biāo)準(zhǔn)差,形狀 # np.random.randn() # 標(biāo)準(zhǔn)正態(tài)分布是以0為均數(shù)、以1為標(biāo)準(zhǔn)差的正態(tài)分布,記為N(0,1) def fit(M=1): p=np.random.rand(M+1) # 返回一個(gè)或一組服從“0~1”均勻分布的隨機(jī)樣本值。隨機(jī)樣本取值范圍是[0,1) res=leastsq(error,p,args=(x,y)) # wi 的值 x_point=np.linspace(0,2,100) # 增加數(shù)據(jù)量為了畫出的圖平滑 y_point=np.sin(np.pi*x_point) # 增加數(shù)據(jù)量為了畫出的圖平滑 plt.plot(x_point,y_point,'r',label='原始') plt.plot(x_point,y_pre(res[0],x_point),'b',label='擬合') plt.scatter(x,y_) plt.legend() fit(3)
你也可以輸出一下中間的結(jié)果:
x=np.linspace(0,2,10) y=np.sin(np.pi*x) # 原始的樣本 y_=[y + np.random.normal(0,0.1) for y in y] # np.random.normal(loc,scale,size):正態(tài)分布的均值,正態(tài)分布的標(biāo)準(zhǔn)差,形狀 # np.random.randn() # 標(biāo)準(zhǔn)正態(tài)分布是以0為均數(shù)、以1為標(biāo)準(zhǔn)差的正態(tài)分布,記為N(0,1) def fit(M=1): p=np.random.rand(M+1) # 返回一個(gè)或一組服從“0~1”均勻分布的隨機(jī)樣本值。隨機(jī)樣本取值范圍是[0,1) res=leastsq(error,p,args=(x,y)) # wi 的值 x_point=np.linspace(0,2,100) y_point=np.sin(np.pi*x_point) plt.plot(x_point,y_point,'r',label='原始') plt.plot(x_point,y_pre(res[0],x_point),'b',label='擬合') print(res[0]) plt.scatter(x,y_) plt.legend() fit(3)
擬合的直線就是:
“python中l(wèi)eastsq函數(shù)如何使用”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注億速云網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實(shí)用文章!
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,如果涉及侵權(quán)請聯(lián)系站長郵箱: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。