numpy.polynomial.legendre.Legendre.fit#

方法

classmethod polynomial.legendre.Legendre.fit(x, y, deg, domain=None, rcond=None, full=False, w=None, window=None, symbol='x')[source]#

对数据进行最小二乘拟合。

返回一个序列实例，该实例是对在 x 处采样的数据 y 的最小二乘拟合。返回的实例的域可以指定，这通常会导致更好的拟合，并且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，则拟合中包含了直到且包括 deg 次项的所有项。对于 NumPy 版本 >= 1.11.0，可以使用指定要包含的项的次数的整数列表代替。

domain{None, [beg, end], []}，可选

用于返回序列的域。如果为 None，则选择覆盖点 x 的最小域。如果为 []，则使用类域。在 NumPy 1.4 中，默认值为类域，在更高版本中为 None。 [] 选项是在 numpy 1.5.0 中添加的。

rcondfloat，可选

拟合的相对条件数。小于此值相对于最大奇异值的奇异值将被忽略。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

切换决定返回值的性质。当它为 False（默认值）时，只返回系数，当它为 True 时，还返回来自奇异值分解的诊断信息。

warray_like，形状 (M，)，可选

权重。如果非 None，则权重 w[i] 应用于在 x[i] 处的未平方残差 y[i] - y_hat[i]。理想情况下，权重的选择方式是使乘积 w[i]*y[i] 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 中的新内容。

window{[beg, end]}，可选

用于返回序列的窗口。默认值为默认的类域

版本 1.6.0 中的新内容。

symbolstr，可选

表示自变量的符号。默认为“x”。

返回值：
new_seriesseries

一个表示对数据进行最小二乘拟合的序列，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]list

这些值仅在 full == True 时返回

  • resid – 最小二乘拟合的残差平方和

  • rank – 缩放后的范德蒙德矩阵的数值秩

  • sv – 缩放后的范德蒙德矩阵的奇异值

  • rcond – rcond 的值。

有关更多详细信息，请参见 linalg.lstsq。

本页内容