我正在尝试使用matplotlib将曲面模型拟合到3D数据集(x,y,z)。
其中z = f(x,y)
。
所以,我要对二次拟合方程:Python中的打印曲面拟合公式
f(x,y) = ax^2+by^2+cxy+dx+ey+f
到目前为止,我已经成功地绘制了用最小二乘法采用3D-安装面:
# best-fit quadratic curve
A = np.c_[np.ones(data.shape[0]), data[:,:2], np.prod(data[:,:2], axis=1), data[:,:2]**2]
C,_,_,_ = scipy.linalg.lstsq(A, data[:,2])
#evaluating on grid
Z = np.dot(np.c_[np.ones(XX.shape), XX, YY, XX*YY, XX**2, YY**2], C).reshape(X.shape)
但,我怎样才能打印/得到表面的拟合方程(带有系数值)?
我的帮助将不胜感激。
谢谢。
你可以发布相应的代码:“到目前为止,我已经成功绘制了3d-fitting-s使用最小二乘法的urface“? – etna
@etna添加了根据您的评论使用的装配部分。 – diffracteD
好的...根据函数的文档scipy.linalg.lstsq http://docs.scipy.org/doc/scipy-0.15.1/reference/generated/scipy.linalg.lstsq.html估计的系数应该被存储在你的变量'C'因此'print C'似乎是一件合理的事情:) – etna