我有以下数据集，其中有几个颠簸和低谷。但是，当我尝试使用curve_fit来自scipy optimize模块的 Python 拟合曲线时，它并不能很好地再现凹凸。我尝试了 7-8 年级的多项式和正弦，但我找不到合适的东西。
我假设使用 7-8 级多项式我应该能够重现这些凸起（对于 7 级多边形，我将有 3 个凸起和 3 个谷，这应该足够了），但是，我只得到 2 个凸起配件。
有没有比在 Python 中拟合函数更好的方法curve_fit，或者我在拟合时做错了什么？
提前感谢您提供的任何解决方案。
正如我在学校学到的那样，多项式通常不是拟合曲线的糟糕选择（精确拟合，10 个测量点会导致 9 年级的多项式）。当然，曲线在最里面的 4 或 5 个点是有意义的，但在它之前和之后，它与“真实”值相去甚远。四年级或五年级之前的一切都可以工作，之后我建议你研究样条曲线。我假设curve_fit不完全适合您的测量点的多项式，所以这“可能”工作。事情是，你的混乱点没有描述一个多项式，我假设他们也不打算这样做。
来自落石或破碎汽车的测量点（随时间变化的距离）可以很好地（并且应该）与 2 次多项式拟合，因为基函数是 2 次多项式s(t) = at^2 + v0t + s0
TL;DR 多项式拟合不好，除非基函数是多项式，这里使用样条拟合。
你可以使用更高次的多项式得到对我来说很合适的东西。该图像显示了 21 度多边形（绿色）和 41 度多边形（蓝色）和原始多边形（红色）的拟合。虽然多项式确实有其局限性，但它们通常确实可以合理地拟合。
