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')

对数据进行最小二乘拟合。

返回一个级数实例，该实例是对在 x 处采样的数据 y 进行最小二乘拟合的结果。可以指定返回实例的域，这通常会产生更优的拟合，且不良条件的机会更小。

参数:

xarray_like, 形状 (M,)

M 个采样点 (x[i], y[i]) 的 x 坐标。

yarray_like, 形状 (M,)

M 个采样点 (x[i], y[i]) 的 y 坐标。

degint 或 1-D array_like

拟合多项式的阶数。如果 deg 是一个整数，则拟合中包含直到并包括 deg 阶的所有项。对于 NumPy 版本 >= 1.11.0，可以使用整数列表来指定要包含的项的阶数。

domain{None, [beg, end], []}，可选

返回级数使用的域。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；在后续版本中为 None。 [] 选项是在 NumPy 1.5.0 中添加的。

rcondfloat，可选

拟合的相对条件数。小于此值且相对于最大奇异值的值将被忽略。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

决定返回值的性质。当为 False（默认值）时，仅返回系数；当为 True 时，还会返回奇异值分解的诊断信息。

warray_like, 形状 (M,)，可选

权重。如果不是 None，则权重 w[i] 适用于 x[i] 处的未平方残差 y[i] - y_hat[i]。理想情况下，选择权重是为了使乘积 w[i]*y[i] 的误差都具有相同的方差。使用逆方差加权时，使用 w[i] = 1/sigma(y[i])。默认值为 None。

window{[beg, end]}，可选

返回级数使用的窗口。默认值为默认类域

symbolstr，可选

表示自变量的符号。默认为 'x'。

返回:

new_seriesseries

一个表示数据最小二乘拟合的级数，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 – 缩放后的范德蒙矩阵的数值秩

• sv – 缩放后的范德蒙矩阵的奇异值

• rcond – rcond 的值。

有关更多详细信息，请参见 linalg.lstsq。