专栏首页python3python3最小二乘法拟合实例

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。

假设有一组实验数据(x[i], y[i]),我们知道它们之间的函数关系:y = f(x),通过这些已知信息,需要确定函数中的一些参数项。例如,如果f是一个线型函数f(x) = k * x + b, 那么参数k和b就是我们需要确定的值。如果将这些参数组用p来表示的话, 那么我们就是需要找到一组p值使得如下公式中的S函数最小:

这种算法被称为最小二乘法拟合。

scipy中的子函数库optimize已经提供了实现最小二乘拟合算法的函数leastsq。下面是用leastsq进行数据拟合的一个例子。

import numpy as np

from scipy.optimize import leastsq

import pylab as pl

def func(x, p):

    """

    数据拟合所用的函数:A * sin(2 * pi * k * x + theta)

    """

    A, k, theta = p

    return A * np.sin(2 * np.pi * k * x + theta)

def residuals(p, y, x):

    """

    实验数据x,y和拟合函数之间的差, p为拟合需要找到的系数

    """

    return y - func(x, p)

x = np.linspace(0, -2 * np.pi, 100)

A, k, theta = 10, 0.34, np.pi / 6 #真实数据的函数参数

y0 = func(x, [A, k, theta]) #真实的y数据

y1 = y0 + 2 * np.random.randn(len(x)) #加入噪声之后的数据

p0 = [7, 0.2, 0] #第一次猜测的拟合参数

#调用leastsq进行数据拟合

#residuals为计算误差的函数

#p0为拟合参数的初始值

#args为需要拟合的实验数据

plsq = leastsq(residuals, p0, args = (y1, x))

print("真实参数:", [A, k, theta])

print("拟合参数:", plsq[0]) #实验数据拟合后的参数

pl.plot(x, y0, label = u"真实数据")

pl.plot(x, y1, label = u"带噪声的实验数据")

pl.plot(x, func(x, plsq[0]), label =u"拟合数据")

pl.legend()

pl.show()

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • ubuntu - sublime tex

    在网上可以找到比较多的用于解决fcitx在st3无法输入中文的问题的方法,但是用于ibus的解决方法较少

    py3study
  • 标签传播算法(llgc 或 lgc)

    复现论文:Learning with Local and Global Consistency1

    py3study
  • Windows 中通过Python实现p

    由于ping命令在ping的时候无法加入时间,不能够直观分析结果。便想在ping的时候加入时间戳。

    py3study
  • np.polyfit()与np.poly1d()将点拟合成曲线

    deg: 自由度.例如:自由度为2,那么拟合出来的曲线就是二次函数,自由度是3,拟合出来的曲线就是3次函数可。同时,还可以使用poly1d()函数帮我们拼接方程...

    小末快跑
  • LIMS系统仪器数据采集-使用xpdf解析pdf内容

    不同语言解析PDF内容都有各自的库,比如Java的pdfbox,.net的itextsharp。 c#解析PDF文本,关键代码可参考: http://www.c...

    用户1637609
  • Intellij IDEA 一些不为人知的技巧

    今天又听了 Jetbrains 首席布道师 Hadi 的分享的 Intellij IDEA 使用技巧,说又是是因为之前在 QCon 听过一遍,但是这次 Hadi...

    java进阶架构师
  • TensorFlow学习笔记之--[tf.clip_by_global_norm,tf.clip_by_value,tf.clip_by_norm等的区别]

    输入一个张量t,把t中的每一个元素的值都压缩在clip_value_min和clip_value_max之间。小于min的让它等于min,大于max的元素的值等...

    marsggbo
  • 短视频APP开发主要依赖于短视频SDK架构设计

    短视频 SDK 架构中主要做的一些事情,这其中最重要的就是短视频 SDK 的架构设计,包括架构设计理念、架构图、整体数据流程、模块架构设计等。今天小编就简单介绍...

    球446527153
  • 跳台阶问题

    题目: 给定一个有N个台阶的楼梯,一个人从下到上开始跳台阶,这个人有两种跳的方式:一次跳一个台阶,一次跳两个台阶; 问:从台阶底端跳到台阶顶端,有多少种跳台阶的...

    猿人谷
  • 博弈论(Game Theory) - 04 - 纳什均衡

    绿巨人

扫码关注云+社区

领取腾讯云代金券