如何解决python numpy / scipy曲线拟合
我建议您从简单的多项式拟合开始，scipy.optimize.curve_fit尝试将f必须知道的函数拟合到一组点上。
这是使用numpy.polyfit和的简单3度多项式拟合poly1d，第一个执行最小二乘多项式拟合，第二个计算新点：
import numpy as np
import matplotlib.pyplot as plt
points = np.array([(1, 1), (2, 4), (3, 1), (9, 3)])
# get x and y vectors
x = points[:,0]
y = points[:,1]
# calculate polynomial
z = np.polyfit(x, y, 3)
f = np.poly1d(z)
# calculate new x's and y's
x_new = np.linspace(x[0], x[-1], 50)
y_new = f(x_new)
plt.plot(x,y,'o', x_new, y_new)
plt.xlim([x[0]-1, x[-1] + 1 ])
plt.show()
解决方法
我有一些要点，我正在努力为这些要点拟合曲线。我知道有scipy.optimize.curve_fit功能，但是我不了解文档，即如何使用此功能。
我的观点： np.array([(1,1),(2,4),(3,(9,3)])
有人可以解释该怎么做吗？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
