1、一次二次多項式擬合
一次二次比較簡單,直接使用numpy中的函式即可,polyfit(x, y, degree)。
2、指數冪數擬合curve_fit
使用scipy.optimize 中的curve_fit,冪數擬合例子如下:
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np
def func(x, a, b, c):
return a * np.exp(-b * x) + c
xdata = np.linspace(0, 4, 50)
y = func(xdata, 2.5, 1.3, 0.5)
ydata = y + 0.2 * np.random.normal(size=len(xdata))
plt.plot(xdata,ydata,'b-')
popt, pcov = curve_fit(func, xdata, ydata)
#popt陣列中,三個值分別是待求引數a,b,c
y2 = [func(i, popt[0],popt[1],popt[2]) for i in xdata]
plt.plot(xdata,y2,'r--')
print popt
下面是原始資料和擬合曲線:
下面是指數擬合例子:
def fund(x, a, b):
return x**a + b
xdata = np.linspace(0, 4, 50)
y = fund(xdata, 2.5, 1.3)
ydata = y + 4 * np.random.normal(size=len(xdata))
plt.plot(xdata,ydata,'b-')
popt, pcov = curve_fit(fund, xdata, ydata)
#popt陣列中,三個值分別是待求引數a,b,c
y2 = [fund(i, popt[0],popt[1]) for i in xdata]
plt.plot(xdata,y2,'r--')
print popt
下圖是原始資料和擬合曲線:
python 冪數擬合及擬合度計算
有時候對資料的分析處理,需要進行曲線擬合,python提供了豐富的工具,其中scipy中的curve fit可以用來進行冪數擬合或者指數擬合等各種型別的擬合。先定義好要擬合的函式形式target func,然後呼叫函式popt,pcov curve fit target func,xdata,yda...
fafu 1252 指數冪序列
view code fafu 1252 指數冪序列 這題題意很清楚,3的正整數指數冪序列1,3,9,27,81,則第 i 小的組合分別為,若第i 小的組合 的最大乙個數字 n 則前面所有數和來的大,這個可以 自己推看看 我沒推出來,不過自己列一些組合出來,再yy下,應該是這樣的 因此可用2 進製數做...
python資料分析之曲線擬合(3) 指數函式擬合
指數形式的曲線也是工程實踐中經常遇到的。比如指數衰減。獲取實驗資料x,y 利用scipy.optimize.curve fit 進行指數函式擬合。curve fit本質是提供乙個目標函式和初值,通過優化演算法去搜尋出最佳的擬合引數。可以提供乙個初值,使得擬合更快更準。得到擬合出的係數,進行後續的資料...