python函數(shù)擬合 python 指數(shù)函數(shù)擬合

Python 中的函數(shù)擬合

很多業(yè)務(wù)場(chǎng)景中，我們希望通過(guò)一個(gè)特定的函數(shù)來(lái)擬合業(yè)務(wù)數(shù)據(jù)，以此來(lái)預(yù)測(cè)未來(lái)數(shù)據(jù)的變化趨勢(shì)。(比如用戶的留存變化、付費(fèi)變化等)

創(chuàng)新互聯(lián)專注于中大型企業(yè)的成都網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計(jì)和網(wǎng)站改版、網(wǎng)站營(yíng)銷服務(wù)，追求商業(yè)策劃與數(shù)據(jù)分析、創(chuàng)意藝術(shù)與技術(shù)開(kāi)發(fā)的融合，累計(jì)客戶成百上千家，服務(wù)滿意度達(dá)97%。幫助廣大客戶順利對(duì)接上互聯(lián)網(wǎng)浪潮，準(zhǔn)確優(yōu)選出符合自己需要的互聯(lián)網(wǎng)運(yùn)用，我們將一直專注成都品牌網(wǎng)站建設(shè)和互聯(lián)網(wǎng)程序開(kāi)發(fā)，在前進(jìn)的路上，與客戶一起成長(zhǎng)！

本文主要介紹在 Python 中常用的兩種曲線擬合方法：多項(xiàng)式擬合 和 自定義函數(shù)擬合。

通過(guò)多項(xiàng)式擬合，我們只需要指定想要擬合的多項(xiàng)式的最高項(xiàng)次是多少即可。

運(yùn)行結(jié)果：

對(duì)于自定義函數(shù)擬合，不僅可以用于直線、二次曲線、三次曲線的擬合，它可以適用于任意形式的曲線的擬合，只要定義好合適的曲線方程即可。

運(yùn)行結(jié)果：

python_numpy最小二乘法的曲線擬合

在了解了最小二乘法的基本原理之后 python_numpy實(shí)用的最小二乘法理解 ，就可以用最小二乘法做曲線擬合了

從結(jié)果中可以看出，直線擬合并不能對(duì)擬合數(shù)據(jù)達(dá)到很好的效果，下面我們介紹一下曲線擬合。

b=[y1]

[y2]

......

[y100]

解得擬合函數(shù)的系數(shù)[a,b,c.....d]

CODE:

根據(jù)結(jié)果可以看到擬合的效果不錯(cuò)。

我們可以通過(guò)改變

來(lái)調(diào)整擬合效果。

如果此處我們把擬合函數(shù)改為最高次為x^20的多項(xiàng)式

所得結(jié)果如下：

矯正 過(guò)擬合 現(xiàn)象

在保持?jǐn)M合函數(shù)改為最高次為x^20的多項(xiàng)式的條件下，增大樣本數(shù)：

通過(guò)結(jié)果可以看出，過(guò)擬合現(xiàn)象得到了改善。

Python科學(xué)計(jì)算——任意波形擬合

任意波形的生成 (geneartion of arbitrary waveform) 在商業(yè)，軍事等領(lǐng)域都有著重要的應(yīng)用，諸如空間光通信 (free-space optics communication)， 高速信號(hào)處理 (high-speed signal processing)，雷達(dá) (radar) 等。在任意波形生成后， 如何評(píng)估生成的任意波形 成為另外一個(gè)重要的話題。

假設(shè)有一組實(shí)驗(yàn)數(shù)據(jù)，已知他們之間的函數(shù)關(guān)系：y=f(x)，通過(guò)這些信息，需要確定函數(shù)中的一些參數(shù)項(xiàng)。例如，f 是一個(gè)線型函數(shù) f(x)=k*x+b，那么參數(shù) k 和 b 就是需要確定的值。如果這些參數(shù)用 p 表示的話，那么就需要找到一組 p 值使得如下公式中的 S 函數(shù)最小：

這種算法被稱之為 最小二乘擬合 (least-square fitting)。scipy 中的子函數(shù)庫(kù) optimize 已經(jīng)提供實(shí)現(xiàn)最小二乘擬合算法的函數(shù) leastsq 。下面是 leastsq 函數(shù)導(dǎo)入的方式：

scipy.optimize.leastsq 使用方法

在 Python科學(xué)計(jì)算——Numpy.genfromtxt 一文中，使用 numpy.genfromtxt 對(duì)數(shù)字示波器采集的三角波數(shù)據(jù)導(dǎo)入進(jìn)行了介紹，今天，就以 4GHz三角波 波形的擬合為案例介紹任意波形的擬合方法。

在 Python科學(xué)計(jì)算——如何構(gòu)建模型？ 一文中，討論了如何構(gòu)建三角波模型。在標(biāo)準(zhǔn)三角波波形的基礎(chǔ)上添加了 橫向，縱向的平移和伸縮特征參數(shù) ，最后添加了 噪聲參數(shù) 模擬了三角波幅度參差不齊的隨機(jī)性特征。但在波形擬合時(shí)，并不是所有的特征參數(shù)都要納入考量，例如，噪聲參數(shù)應(yīng)是 波形生成系統(tǒng) 的固有特征，正因?yàn)樗拇嬖谑沟卯a(chǎn)生的波形存在瑕疵，因此，在進(jìn)行波形擬合并評(píng)估時(shí)，不應(yīng)將噪聲參數(shù)納入考量，最終模型如下：

在調(diào)用 scipy.optimize.leastsq 函數(shù)時(shí)，需要構(gòu)建誤差函數(shù)：

有時(shí)候，為了使圖片有更好的效果，需要對(duì)數(shù)據(jù)進(jìn)行一些處理：

leastsq 調(diào)用方式如下：

合理的設(shè)置 p0 可以減少程序運(yùn)行時(shí)間，因此，可以在運(yùn)行一次程序后，用擬合后的相應(yīng)數(shù)據(jù)對(duì) p0 進(jìn)行修正。

在對(duì)波形進(jìn)行擬合后，調(diào)用 pylab 對(duì)擬合前后的數(shù)據(jù)進(jìn)行可視化：

均方根誤差 (root mean square error) 是一個(gè)很好的評(píng)判標(biāo)準(zhǔn)，它是觀測(cè)值與真值偏差的平方和觀測(cè)次數(shù)n比值的平方根，在實(shí)際測(cè)量中，觀測(cè)次數(shù)n總是有限的，真值只能用最可信賴（最佳）值來(lái)代替.方根誤差對(duì)一組測(cè)量中的特大或特小誤差反映非常敏感，所以，均方根誤差能夠很好地反映出測(cè)量的精密度。

RMSE 用程序?qū)崿F(xiàn)如下：

擬合效果，模型參數(shù)輸出：

leastsq 函數(shù)適用于任何波形的擬合，下面就來(lái)介紹一些常用的其他波形：

分享文章：python函數(shù)擬合 python 指數(shù)函數(shù)擬合
標(biāo)題來(lái)源：http://muchs.cn/article8/docscop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、做網(wǎng)站、網(wǎng)站設(shè)計(jì)、動(dòng)態(tài)網(wǎng)站、網(wǎng)站改版、標(biāo)簽優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)