2

我尝试使用 SciPy 的curve_fit方法生成一个通用拟合多项式。我当前的简化代码如下所示：

import functools
import scipy.optimize

def __fit_polynom_order_6(self, data):
    def func(x, c1=None, c2=None, c3=None, c4=None, c5=None, c6=None):
        return c1*x + c2*x**2 + c3*x**3 + c4*x**4 + c5*x**5 + c6*x**6

    x, y = data[:,0], data[:,1]
    popt, pcov = scipy.optimize.curve_fit(func, x, y)

    func_fit = functools.partial(func, c1=popt[0],c2=popt[1],c3=popt[2],c4=popt[3],c5=popt[4],c6=popt[5])

    return func_fit

现在我还想对阶多项式进行拟合，n从而生成一个通用函数__fit_polynom_order_n(self, n, data)，该函数自动生成多项式，并且与我上面的函数基本相同，但使用任意多项式。

我做这一切的尝试都失败了。你能帮我吗？提前致谢！

4

1 回答 1

2

已经有一个功能，np.polyfit：

fit = np.polyfit(x, y, n)

另一方面，你func没有一个常数项。这是故意的吗？

如果您想编写自己的polyfit-type 方法，您可能需要研究np.polyfit 的源代码。您会看到问题被设置为线性矩阵方程并使用 np.linalg.lstsq解决，而不是更通用的scipy.optimize.curve_fit.

# set up least squares equation for powers of x
lhs = vander(x, order)
rhs = y
c, resids, rank, s = lstsq(lhs, rhs, rcond)

有用的参考：

  • np.vander——啊哈，这可以用来计算 x 处的多项式。如果你想消除常数项，你必须砍掉由返回的最右边的列np.vander。
于 2013-09-19T08:04:42.177 回答