python多项式拟合：np.polyfit 和 np.polyld

python数据拟合主要可采用numpy库，库的安装可直接用pip install numpy等。

这段代码可以直接用，但是要用自己的值

#多项式拟合
y = data_jiedian_2 #输入自己的值
x = [i for i in range(29)]#输入自己的值
xx = [i for i in range(29)] #xx可以设置大于x可以用来做预测
z1 = np.polyfit(x, y, 6) # 用6次多项式拟合，可改变多项式阶数；
p1 = np.poly1d(z1) #得到多项式系数，按照阶数从高到低排列
print(p1)  #显示多项式
yvals=p1(xx) # 可直接使用yvals=np.polyval(z1,xxx)
plt.plot(x, y, '*',label='original values')
plt.plot(xx, yvals, 'r',label='polyfit values')
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.legend(loc=4) # 指定legend在图中的位置，类似象限的位置
plt.title('polyfitting')
plt.show()

得到的多项式输出为

最终画出的图为

多项式拟合数学表达

利用多项式函数拟合数据点，多项式函数形式如下：

令

，
则多项式函数可化为线性代数形式：

1. 原始数据：假如要拟合的数据yyy来自sin函数，np.sin

import numpy as np
import matplotlib.pyplot as pltxxx = np.arange(0, 1000)  # x值，此时表示弧度
yyy = np.sin(xxx*np.pi/180)  #函数值，转化成度

2. 测试不同阶的多项式，例如7阶多项式拟合，使用np.polyfit拟合，np.polyld得到多项式系数

z1 = np.polyfit(xxx, yyy, 7) # 用7次多项式拟合，可改变多项式阶数；
p1 = np.poly1d(z1) #得到多项式系数，按照阶数从高到低排列
print(p1)  #显示多项式

3. 求对应xxx的各项拟合函数值

yvals=p1(xxx) # 可直接使用yvals=np.polyval(z1,xxx)

4. 绘图如下

plt.plot(xxx, yyy, '*',label='original values')
plt.plot(xxx, yvals, 'r',label='polyfit values')
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.legend(loc=4) # 指定legend在图中的位置，类似象限的位置
plt.title('polyfitting')
plt.show()

5. np.polyfit函数：采用的是最小二次拟合，numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)，前三个参数是必须的

官方文档：numpy.polyfit — NumPy v1.13 Manual

6. np.polyld函数：得到多项式系数，主要有三个参数

    A one-dimensional polynomial class.A convenience class, used to encapsulate "natural" operations onpolynomials so that said operations may take on their customaryform in code (see Examples).Parameters----------c_or_r : array_likeThe polynomial's coefficients, in decreasing powers, or ifthe value of the second parameter is True, the polynomial'sroots (values where the polynomial evaluates to 0).  For example,``poly1d([1, 2, 3])`` returns an object that represents:math:`x^2 + 2x + 3`, whereas ``poly1d([1, 2, 3], True)`` returnsone that represents :math:`(x-1)(x-2)(x-3) = x^3 - 6x^2 + 11x -6`.r : bool, optionalIf True, `c_or_r` specifies the polynomial's roots; the defaultis False.variable : str, optionalChanges the variable used when printing `p` from `x` to `variable`(see Examples).

参数1表示：在没有参数2（也就是参数2默认False时），参数1是一个数组形式，且表示从高到低的多项式系数项，例如参数1为[4,5,6]表示：

参数2表示：为True时，表示将参数1中的参数作为根来形成多项式，即参数1为[4,5,6]时表示：(x-4)(x-5)(x-6)=0，也就是：

参数3表示：换参数标识，用惯了x，可以用 t，s之类的

用法：

1. 直接进行运算，例如多项式的平方，分别得到

xx=np.poly1d([1,2,3])
print(xx)
yy=xx**2  #求平方，或者用 xx * xx
print(yy)

2. 求值：

yy(1) = 36

3. 求根：即等式为0时的未知数值

yy.r

4. 得到系数形成数组：

yy.c 为：array([ 1, 4, 10, 12, 9])

5. 返回最高次幂数：

yy.order = 4

6. 返回系数：

yy[0] —— 表示幂为0的系数

yy[1] —— 表示幂为1的系数

python多项式拟合：np.polyfit 和 np.polyld相关推荐

[转载] Python 多项式拟合（一元回归）
参考链接: Python | 多项式回归的实现一元一阶线性拟合: 假设存在一条线性函数尽量能满足所有的点:y=ax+b .对所有点的的公式为: 残差值β = 实际值y - 估计值y,β 应尽量小,当 ...
python 多项式拟合
import numpy as np import matplotlib.pyplot as plt #x的个数决定了样本量 x = np.arange(-1,1,0.02) #y为理想函数 y = ...
python多项式拟合_Python 普通最小二乘法（OLS）进行多项式拟合，最小二乘法拟合二次多项式,多元函数拟合。如电...
Python 普通最小二乘法(OLS)进行多项式拟合,最小二乘法拟合二次多项式,多元函数拟合.如电多元函数拟合.如电视机和收音机价格多销售额的影响,此时自变量有两个. python 解法:imp ...
python多项式拟合_最小二乘法—多项式拟合非线性函数
本章涉及到的知识点清单: 1.函数的近似表示-高次多项式 2.误差函数-最小二乘法 3.引出案例函数曲线 4.目标函数 5.优化目标函数 6.优化目标函数-梯度下降法 7.优化目标函数-求解线性方程组 ...
python多项式拟合问题
某次项目中遇到,需要预测某个值.数据大概是这样的: 有4个特征,特征之间数据差异较大,根据四个特征预测需要预测一个值,数据量是24条.其实就是一个多项式的拟合问题.刚开始,我想着用一些简单的模型去拟合 ...
Python之数据分析（numpy中的多项式拟合）
1.多项式拟合的概念用一个无穷级数表示一个可微函数,任何可微的函数,总可以用一个N次多项式来近似,而比N次幂更高阶的部分可以作为无穷小量而被忽略不计. f(x) = p0x^n + p1x^n-1 ...
python做多项式拟合并绘图
本文所用文件的百度云链接: 链接:https://pan.baidu.com/s/15-qbrbtRs4frup24Y1i5og 提取码:pm2c 之前有说过线性拟合了,显而易见,线性拟合在实际应 ...
matlab中数据的多项式拟合
1.序言很多时候我们需要对数据进行拟合,使用一次拟合或者多项式拟合,同时绘制拟合的置信区间以及多项式拟合图. 2.使用的数据和方法使用matlab读取存储在excel中的数据,然后采用一次或者多次 ...
matlab多项式拟合体会,多项式拟合——用Matlab实现并分析
多项式拟合--用Matlab实现并分析 1.问题编程实现多项式拟合例子,体会overfitting. 2.方法可以使用matlab中的方法实现多项式拟合.polyfit(x,y,n),其中n表示预 ...

python多项式拟合：np.polyfit 和 np.polyld

python多项式拟合：np.polyfit 和 np.polyld相关推荐

最新文章

热门文章