Scipy.optimization线性函数逼近

Question

我研究了scipy.optimize中的函数逼近方法，在阅读了函数的描述之后，发现(可能是错误的)它们只近似于非线性函数。

例如，如果我在zip()函数之后为x和y提供了示例输出

[(1,1),(4,2),(6,4),(8,6),(10,11)]

正如你所看到的，非线性函数的逼近效果要好得多，但我需要线性来实现我的目的。

我承认在函数文档中遗漏了一些东西，所以如果问题可以以“读取文档”的方式回答，我很抱歉。

Answer 1

你试过做最小二乘拟合的东西吗？http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.linregress.html，如果我没记错的话，numpy的多重拟合有一个选项来确定你所需要的拟合的自由度，在你的情况下，它应该是一个。

importing polyfit from numpy... etc.

coefficients = polyfit( xlist, ylist, 1 ) #where 1 is the degree of freedom
p = poly1d( coefficients ) 
x = linspace( 0, 5, 100 ) #generates 100 points between 0 and 5 to plot 'curve'
plot( x, p(x), label='Best Fit Line' ) 

希望这有帮助