广告
返回顶部
首页 > 资讯 > 后端开发 > Python >Python数据拟合实现最小二乘法示例解析
  • 342
分享到

Python数据拟合实现最小二乘法示例解析

2024-04-02 19:04:59 342人浏览 泡泡鱼

Python 官方文档:入门教程 => 点击学习

摘要

目录线性拟合高阶多项式多自变量指数函数所谓最小二乘法,即通过对数据进行拟合,使得拟合值与样本值的方差最小。 线性拟合 这个表达式还是非常简单的。 对于有些情况,我们往往选取自然序

所谓最小二乘法,即通过对数据进行拟合,使得拟合值与样本值的方差最小。

线性拟合

在这里插入图片描述

在这里插入图片描述

这个表达式还是非常简单的。

对于有些情况,我们往往选取自然序列作为自变量,这个时候在求自变量的取值时可以用到一些初等数学的推论,对于 x ∈ [ m , n ] 的自然序列来说,有

在这里插入图片描述


#文件名core.py
import numpy as np
def leastSquare(x,y):
    if len(x)==2:
    #此时x为自然序列
        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

测试一下


>>> x = np.arange(25)
>>> y = x*15+20+np.random.randn(len(x))*5	#randn生成正态分布噪声
>>> a,b = core.leastSquare(x,y)				
>>> plt.scatter(x,y)						#原始数据散点图
<matplotlib.collections.PathCollection object at 0x00000218DEBBEDC8>
>>> plt.plot(x,a*x+b)						#拟合直线
[<matplotlib.lines.Line2D object at 0x00000218E0314FC8>]
>>> plt.show()

得到

在这里插入图片描述

高阶多项式

在这里插入图片描述

和前面一样,约定

在这里插入图片描述

代码如下


#传入参数格式为np.array,n为阶数
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)		#

经测试结果如下:


>>> x = np.arange(25)
>>> y = x**3+3*x**2+2*x+12
>>> import core
>>> core.leastSquareMulti(x,y,3)
array([[12.],		#此为常数项
       [ 2.],
       [ 3.],
       [ 1.]])

多自变量

对于样本

在这里插入图片描述

则相应地其误差方程组可表示为

在这里插入图片描述

指数函数

在这里插入图片描述

则其代码为


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

以上就是python数据拟合实现最小二乘法示例解析的详细内容,更多关于Python实现最小二乘法的资料请关注编程网其它相关文章!

--结束END--

本文标题: Python数据拟合实现最小二乘法示例解析

本文链接: https://www.lsjlt.com/news/154992.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑,方便收藏和打印~

下载Word文档
猜你喜欢
  • Python数据拟合实现最小二乘法示例解析
    目录线性拟合高阶多项式多自变量指数函数所谓最小二乘法,即通过对数据进行拟合,使得拟合值与样本值的方差最小。 线性拟合 这个表达式还是非常简单的。 对于有些情况,我们往往选取自然序...
    99+
    2022-11-12
  • python3最小二乘法拟合实例
    最小二乘法拟合       最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。     假设有一组实...
    99+
    2023-01-31
    乘法 小二 实例
  • python中最小二乘法的示例分析
    这篇文章给大家分享的是有关python中最小二乘法的示例分析的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。python的数据类型有哪些python的数据类型:1. 数字类型,包括int(整型)、long(长整型)...
    99+
    2023-06-14
  • C#最小二乘法拟合曲线成直线的实例
    目录最小二乘法拟合曲线成直线效果总结最小二乘法拟合曲线成直线 效果 拟合前 拟合后 传入X轴和Y轴的数据,得到新的Y轴数据。 将X值数据和拟合后的Y轴数据绑带即可。 /// ...
    99+
    2023-02-26
    C#最小二乘法 C#拟合曲线 C#直线
  • 使用Python怎么实现一个曲线拟合的最小二乘法
    今天就跟大家聊聊有关使用Python怎么实现一个曲线拟合的最小二乘法,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。模块导入import numpy as ...
    99+
    2023-06-06
  • Python调用实现最小二乘法的方法详解
    目录numpy实现scipy封装速度对比补充所谓线性最小二乘法,可以理解为是解方程的延续,区别在于,当未知量远小于方程数的时候,将得到一个无解的问题。最小二乘法的实质,是保证误差最小...
    99+
    2023-05-17
    Python调用最小二乘法 Python实现最小二乘法 Python最小二乘法
  • C语言实现求解最小公倍数的算法示例
    目录题目描述问题分析方法一:穷举法方法二:定理法题目描述 求任意两个正整数的最小公倍数 问题分析 两个或多个整数公有的倍数叫做它们的公倍数,其中除0以外最小的一个公倍数就叫做这几个整...
    99+
    2022-11-12
软考高级职称资格查询
编程网,编程工程师的家园,是目前国内优秀的开源技术社区之一,形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容,为IT开发者提供了一个发现、使用、并交流开源技术的平台。
  • 官方手机版

  • 微信公众号

  • 商务合作