数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会研究
时尚研究
法律研究使用Python进行切比雪夫级数最小二乘拟合
要对数据进行切比雪夫级数最小二乘拟合，可以使用Python Numpy中的`chebyshev.chebfit()`。该方法返回从低到高的切比雪夫系数。如果y是二维的，则y的第k列中的数据的系数位于第k列。参数x是M个样本（数据）点(x[i], y[i])的x坐标。
参数y是样本点的y坐标。通过传递包含每个数据列一个数据集的二维数组作为y，可以一次调用polyfit来独立拟合共享相同x坐标的多个样本点集。参数deg是拟合多项式的阶数。如果deg是一个整数，则拟合中将包含所有直到且包括deg阶的项。
参数rcond是拟合的相对条件数。相对于最大奇异值，小于rcond的奇异值将被忽略。默认值为len(x)*eps，其中eps是平台浮点类型的相对精度，在大多数情况下约为2e-16。参数full是确定返回值性质的开关。当为False（默认值）时，只返回系数；当为True时，还将返回来自奇异值分解的诊断信息。
参数w是权重。如果非None，则权重w[i]适用于x[i]处的未平方残差y[i] - y_hat[i]。理想情况下，权重的选择应使w[i]*y[i]的误差都具有相同的方差。当使用逆方差加权时，使用w[i] = 1/sigma(y[i])。默认值为None。
步骤
首先，导入所需的库：
import numpy as np from numpy.polynomial import chebyshev as C
x坐标：
x = np.linspace(-1,1,51)
显示x坐标：
print("X Co-ordinate...\n",x)y坐标：
y = x**3 - x + np.random.randn(len(x))
print("\nY Co-ordinate...\n",y)要对数据进行切比雪夫级数最小二乘拟合，可以使用Python Numpy中的`chebyshev.chebfit()`。该方法返回从低到高的切比雪夫系数。如果y是二维的，则y的第k列中的数据的系数位于第k列：
c, stats = C.chebfit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats)示例
import numpy as np
from numpy.polynomial import chebyshev as C
# The x-coordinate
x = np.linspace(-1,1,51)
# Display the x-coordinate
print("X Co-ordinate...\n",x)
# The y-coordinate
y = x**3 - x + np.random.randn(len(x))
print("\nY Co-ordinate...\n",y)
# To get the least-squares fit of Chebyshev series to data, use the chebyshev.chebfit() in Python Numpy
c, stats = C.chebfit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats)输出
X Co-ordinate... [-1. -0.96 -0.92 -0.88 -0.84 -0.8 -0.76 -0.72 -0.68 -0.64 -0.6 -0.56 -0.52 -0.48 -0.44 -0.4 -0.36 -0.32 -0.28 -0.24 -0.2 -0.16 -0.12 -0.08 -0.04 0. 0.04 0.08 0.12 0.16 0.2 0.24 0.28 0.32 0.36 0.4 0.44 0.48 0.52 0.56 0.6 0.64 0.68 0.72 0.76 0.8 0.84 0.88 0.92 0.96 1. ] Y Co-ordinate... [ 0.04578661 -0.41009751 -0.59839355 -0.86942574 1.19418042 -0.53671972 -0.71247683 0.7118818 -0.09274183 1.46114141 -0.40189463 -0.84017206 -1.00618725 -0.7191427 -0.48005631 -0.28661328 0.58161734 2.62382626 -0.56256678 0.92925678 1.68074305 0.97381262 1.22568804 1.71884192 1.03080843 0.55990935 0.29117168 -0.63718482 0.49396313 -0.32920431 1.16682261 0.90746863 -1.0058597 0.54972961 -1.06040041 -0.11828954 -0.51446299 -1.97932024 -0.91902371 -0.31859977 -1.16124938 0.31809796 0.54940462 -1.11008331 1.04918751 -2.60742632 -1.07242746 0.54313779 -0.3440979 -0.28234564 0.46429998] Result... [-0.12730537 -0.08699379 -0.4211565 0.32959334] Result... [array([43.34485511]), 4, array([1.20144978, 1.19227163, 0.76058422, 0.74600162]), 1.1324274851176597e-14]
更新于：2022年3月1日
502 次浏览
广告