使用多项结果的多项式拟合预测保质期

如何解决使用多项结果的多项式拟合预测保质期

随着时间的推移，我有几批相同产品的结果，例如：

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))