numpy.polynomial.chebyshev.Chebyshev.fit

方法

classmethod polynomial.chebyshev.Chebyshev.fit(x, y, deg, domain=None, rcond=None, full=False, w=None, window=None, symbol='x')

对数据进行最小二乘拟合。

返回一个级数实例，它是对在 x 处采样的数据 y 的最小二乘拟合。返回实例的域可以指定，这通常会导致更好的拟合，并减少病态条件的可能性。

参数：

xarray_like，形状 (M,)

M 个样本点的 x 坐标 (x[i], y[i])。

yarray_like，形状 (M,)

M 个样本点的 y 坐标 (x[i], y[i])。

degint 或 1-D array_like

拟合多项式的次数。如果 deg 是一个整数，则拟合中将包含所有直到并包括 deg 次项。对于 NumPy 版本 >= 1.11.0，可以使用指定要包含的项次数的整数列表。

domain{None, [beg, end], []}, 可选

要用于返回级数的域。如果为 None，则选择覆盖点 x 的最小域。如果为 []，则使用类域。默认值在 NumPy 1.4 中为类域，在更高版本中为 None。在 numpy 1.5.0 中添加了 [] 选项。

rcondfloat，可选

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

fullbool，可选

确定返回值性质的开关。当它为 False（默认值）时，只返回系数，当它为 True 时，还会返回来自奇异值分解的诊断信息。

warray_like，形状 (M,), 可选

权重。如果为非 None，则权重 w[i] 应用于 x[i] 处的未平方残差 y[i] - y_hat[i]。理想情况下，权重应选择得当，以便 w[i]*y[i] 的乘积的误差都具有相同的方差。当使用逆方差加权时，使用 w[i] = 1/sigma(y[i])。默认值为 None。

版本 1.5.0 中新增。

window{[beg, end]}, 可选

要用于返回级数的窗口。默认值为默认类域

版本 1.6.0 中新增。

symbolstr，可选

表示自变量的符号。默认值为 ‘x’。

返回值：

new_series级数

一个级数，它表示对数据的最小二乘拟合，并具有调用中指定的域和窗口。如果对未缩放和未移位的基多项式的系数感兴趣，请执行 new_series.convert().coef。

[resid, rank, sv, rcond]列表

这些值仅在 full == True 时返回

• resid – 最小二乘拟合的平方残差之和

• rank – 缩放的范德蒙矩阵的数值秩

• sv – 缩放的范德蒙矩阵的奇异值

• rcond – rcond 的值。

有关更多详细信息，请参阅 linalg.lstsq。