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')

最小二乘拟合数据。

返回一个多项式实例，该实例是对在 x 处采样的 y 数据的最小二乘拟合。可以指定返回实例的域，这通常会得到更好的拟合，并减少病态的可能性。

参数:

xarray_like, shape (M,)

M 个样本点 (x[i], y[i]) 的 x 坐标。

yarray_like, shape (M,)

(x[i], y[i]) M 个采样点的 y 坐标。

degint 或 1-D array_like

拟合多项式的次数。如果 deg 是一个整数，则拟合中包含直到 deg 次的所有项。对于 NumPy 版本 >= 1.11.0，可以使用一个整数列表来指定要包含的项的次数。

domain{None, [beg, end], []}, optional

返回的多项式使用的域。如果为 None，则选择一个覆盖 x 点的最小域。如果为 []，则使用类的域。在 NumPy 1.4 中，默认值是类的域，在后续版本中是 None。 [] 选项在 numpy 1.5.0 中添加。

rcondfloat, optional

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, optional

决定返回值性质的开关。当它为 False（默认值）时，仅返回系数；当它为 True 时，还返回奇异值分解的诊断信息。

warray_like, shape (M,), optional

权重。如果不是 None，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，选择的权重应使 w[i]*y[i] 的乘积的误差具有相同的方差。使用逆方差加权时，使用 w[i] = 1/sigma(y[i])。默认值为 None。

window{[beg, end]}, optional

返回的多项式使用的窗口。默认值为类的默认域。

symbolstr, optional

表示自变量的符号。默认为“x”。

返回:

new_seriesseries

一个多项式实例，表示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]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 – 缩放的 Vandermonde 矩阵的数值秩

• sv – 缩放的 Vandermonde 矩阵的奇异值

• rcond – rcond 的值。

有关更多详细信息，请参阅 linalg.lstsq。