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 npimport gaosi as gs

代码

"""本函数通过创建增广矩阵，并调用高斯列主元消去法模块进行求解。"""import numpy as npimport gaosi as gsshape = int(input('请输入拟合函数的次数:'))x = np.array([0.6,1.3,1.64,1.8,2.1,2.3,2.44])y = np.array([7.05,12.2,14.4,15.2,17.4,19.6,20.2])data = []for i in range(shape*2+1): if i != 0: data.append(np.sum(x**i)) else: data.append(len(x))b = []for i in range(shape+1): if i != 0: b.append(np.sum(y*x**i)) else: b.append(np.sum(y))b = np.array(b).reshape(shape+1,1)n = np.zeros([shape+1,shape+1])for i in range(shape+1): for j in range(shape+1): n[i][j] = data[i+j]result = gs.Handle(n,b)if not result: print('增广矩阵求解失败！') exit()fun='f(x) = 'for i in range(len(result)): if type(result[i]) == type(''): print('存在自由变量！') fun = fun + str(result[i]) elif i == 0: fun = fun + '{:.3f}'.fORMat(result[i]) else: fun = fun + '+{0:.3f}*x^{1}'.format(result[i],i)print('求得{0}次拟合函数为：'.format(shape))print(fun)

高斯模块

# 导入 numpy 模块import numpy as np# 行交换def swap_row(matrix, i, j): m, n = matrix.shape if i >= m or j >= m: print('错误! : 行交换超出范围 ...') else: matrix[i],matrix[j] = matrix[j].copy(),matrix[i].copy() return matrix# 变成阶梯矩阵def matrix_change(matrix): m, n = matrix.shape main_factor = [] main_col = main_row = 0 while main_row < m and main_col < n: # 选择进行下一次主元查找的列 main_row = len(main_factor) # 寻找列中非零的元素 not_zeros = np.where(abs(matrix[main_row:,main_col]) > 0)[0] # 如果该列向下全部数据为零，则直接跳过列 if len(not_zeros) == 0: main_col += 1 continue else: # 将主元列号保存在列表中 main_factor.append(main_col) # 将第一个非零行交换至最前 if not_zeros[0] != [0]: matrix = swap_row(matrix,main_row,main_row+not_zeros[0]) # 将该列主元下方所有元素变为零 if main_row < m-1: for k in range(main_row+1,m): a = float(matrix[k, main_col] / matrix[main_row, main_col]) matrix[k] = matrix[k] - matrix[main_row] * matrix[k, main_col] / matrix[main_row, main_col] main_col += 1 return matrix,main_factor# 回代求解def back_solve(matrix, main_factor): # 判断是否有解 if len(main_factor) == 0: print('主元错误,无主元！ ...') return None m, n = matrix.shape if main_factor[-1] == n - 1: print('无解！ ...') return None # 把所有的主元元素上方的元素变成0 for i in range(len(main_factor) - 1, -1, -1): factor = matrix[i, main_factor[i]] matrix[i] = matrix[i] / float(factor) for j in range(i): times = matrix[j, main_factor[i]] matrix[j] = matrix[j] - float(times) * matrix[i] # 先看看结果对不对 return matrix# 结果打印def print_result(matrix, main_factor): if matrix is None: print('阶梯矩阵为空！ ...') return None m, n = matrix.shape result = [''] * (n - 1) main_factor = list(main_factor) for i in range(n - 1): # 如果不是主元列，则为自由变量 if i not in main_factor: result[i] = '(free var)' # 否则是主元变量，从对应的行，将主元变量表示成非主元变量的线性组合 else: # row_of_main表示该主元所在的行 row_of_main = main_factor.index(i) result[i] = matrix[row_of_main, -1] return result# 得到简化的阶梯矩阵和主元列def Handle(matrix_a, matrix_b): # 拼接成增广矩阵 matrix_01 = np.hstack([matrix_a, matrix_b]) matrix_01, main_factor = matrix_change(matrix_01) matrix_01 = back_solve(matrix_01, main_factor) result = print_result(matrix_01, main_factor) return resultif __name__ == '__main__': a = np.array([[2, 1, 1], [3, 1, 2], [1, 2, 2]],dtype=float) b = np.array([[4],[6],[5]],dtype=float) a = Handle(a, b)

看完上述内容，你们对使用Python怎么实现一个曲线拟合的最小二乘法有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注编程网Python频道，感谢大家的支持。