当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python numpy hermite_e.hermefit用法及代码示例


本文简要介绍 python 语言中 numpy.polynomial.hermite_e.hermefit 的用法。

用法:

polynomial.hermite_e.hermefit(x, y, deg, rcond=None, full=False, w=None)

Hermite 系列与数据的最小二乘拟合。

返回HermiteE 度数系列的系数这是适合数据值的最小二乘y在点给出x.如果y是一维的,返回的系数也将是一维的。如果y是 2-D 多次拟合完成,每列一个y,并且得到的系数存储在二维返回的相应列中。拟合多项式的形式为

其中 n 是度数。

参数

x 数组, 形状 (M,)

M 个采样点的 x 坐标 (x[i], y[i])

y 数组, 形状 (M,) 或 (M, K)

样本点的 y 坐标。通过传入每列包含一个数据集的 2D-array,可以一次拟合多个共享相同 x 坐标的样本点数据集。

deg int 或 1-D 数组

拟合多项式的次数。如果 deg 是单个整数,则所有直到并包括 deg'th 项的项都包含在拟合中。对于 NumPy 版本 >= 1.11.0,可以使用指定要包含的项的度数的整数列表来代替。

rcond 浮点数,可选

拟合的相对条件数。相对于最大奇异值小于此的奇异值将被忽略。默认值为 len(x)*eps,其中 eps 是浮点类型的相对精度,大多数情况下约为 2e-16。

full 布尔型,可选

开关确定返回值的性质。当它为 False(默认值)时,仅返回系数,当还返返回自奇异值分解的 True 诊断信息时。

w 数组样,形状(M,), 可选的

重量。如果不是 None,则权重 w[i] 适用于 x[i] 处的未平方残差 y[i] - y_hat[i]。理想情况下,选择权重以使产品w[i]*y[i] 的误差都具有相同的方差。使用 inverse-variance 加权时,请使用 w[i] = 1/sigma(y[i]) 。默认值为无。

返回

coef ndarray,形状(M,)或(M,K)

Hermite 系数从低到高排序。如果 y 是二维的,则 y 的 k 列中数据的系数在 k 列中。

[residuals, rank, singular_values, rcond] 列表

这些值仅在 full == True 时返回

  • 残差 - 最小二乘拟合的残差平方和

  • rank - 缩放的 Vandermonde 矩阵的数值等级

  • singular_values - 缩放范德蒙矩阵的奇异值

  • rcond - rcond 的值。

有关详细信息,请参阅 numpy.linalg.lstsq

警告

RankWarning

最小二乘拟合中系数矩阵的秩不足。仅当 full = False 时才会引发警告。可以通过以下方式关闭警告

>>> import warnings
>>> warnings.simplefilter('ignore', np.RankWarning)

注意

解决方案是HermiteE 系列 p 的系数,它最小化加权平方误差的总和

其中 是权重。这个问题是通过建立(通常)超定矩阵方程来解决的

其中 V 是 x 的伪 Vandermonde 矩阵,c 的元素是要求解的系数,y 的元素是观测值。然后使用 V 的奇异值分解求解该方程。

如果某些奇异值V是如此之小以至于它们被忽略了,那么RankWarning将发出。这意味着可能很难确定系数值。使用低阶拟合通常会消除警告。这rcond参数也可以设置为小于其默认值的值,但结果拟合可能是虚假的并且有很大的舍入误差贡献。

当数据可以近似时,使用HermiteE 系列的拟合可能最有用sqrt(w(x)) * p(x),其中w(x)是HermiteE 权重。在这种情况下,重量sqrt(w(x[i]))应与数据值一起使用y[i]/sqrt(w(x[i])).权重函数可用作hermeweight.

参考

1

维基百科,“Curve fitting”,https://en.wikipedia.org/wiki/Curve_fitting

例子

>>> from numpy.polynomial.hermite_e import hermefit, hermeval
>>> x = np.linspace(-10, 10)
>>> np.random.seed(123)
>>> err = np.random.randn(len(x))/10
>>> y = hermeval(x, [1, 2, 3]) + err
>>> hermefit(x, y, 2)
array([ 1.01690445,  1.99951418,  2.99948696]) # may vary

相关用法


注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.polynomial.hermite_e.hermefit。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。