Python中的打印曲面拟合公式

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。

来源

2015-05-14 diffracteD

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

根据函数scipy.linalg.lstsq http://docs.scipy.org/doc/scipy-0.15.1/reference/generated/scipy.linalg.lstsq.html的文档，估计的系数应该存储在变量C中（与A中的列对应的顺序）。

print 'f(x,y) = {:.2f}x^2+{:.2f}y^2+{:.2f}xy+{:.2f}x+{:.2f}y+{:.2f}'.format(C[4],C[5],C[3],C[1],‌C[2],C[0])

或：

若要显示小数点后2个位数的估计系数打印方程

print 'f(x,y) = {4:.2f}x^2+{5:.2f}y^2+{3:.2f}xy+{1:.2f}x+{2:.2f}y+{0:.2f}'.format(*C)

顺便说一句，图书馆pandas和statsmodels可以为这种非常有帮助任务（例如，检查Run an OLS regression with Pandas Data Frame）

来源

2015-05-14 12:08:24 etna

感谢您对熊猫的建议。但是，我还可以使用当前代码检查拟合优度（或p值）。？ – diffracteD

据我所知，没有“快捷方式”，因此您需要计算系数的标准错误（例如https://thetarzan.wordpress.com/2012/10/27/calculate-ols-regression-manually- in-python-using-numpy /），然后计算t统计量，最后得到你的p值... – etna

这个最小二乘拟合函数为我们提供了一些R值吗？我无法找到它。 – diffracteD

Python中的打印曲面拟合公式

回答

相关问题