如何解决使用多项结果的多项式拟合预测保质期
x1 = np.array([0,3,6]) # x coordinates of batch1
y1 = np.array([0.51,0.69,0.78]) # y coordinates of batch1
batch1 = '29880G001'
x2 = np.array([0,6]) # x coordinates of batch2
y2 = np.array([0.29,0.77,0.61]) # y coordinates of batch2
batch2 = '30565G002'
x3 = np.array([0,6]) # x coordinates of batch3
y3 = np.array([0.29,0.61,0.6]) # y coordinates of batch3
batch3 = '30657G003'
Y 值是以月为单位的时间,X 值是特定批次的实验室结果。 在图表上展示它们:
我正在寻找一种方法来使 ONE 多项式适合这些结果,我可以将其进行推广,即外推,以预测未来的产品行为。
谢谢!
解决方法
连接您的数组并执行polyfit
:
np.polynomial.polynomial.polyfit(np.r_[x1,x2,x3],np.r_[y1,y2,y3],3)
但我非常怀疑使用多项式进行外推是否有意义。
示例:
z = np.polynomial.polynomial.polyfit(np.r_[x1,3)
plt.plot(x1,y1,'bo','ro',x3,y3,'go')
x = np.linspace(0,10,100)
plt.plot(x,np.polynomial.polynomial.polyval(x,z))
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。