5
A
回答
12
我认为这将是简单的使用numpy.polyfit
,执行最小二乘多项式拟合。这是一个简单的片断:
import numpy as np
x = np.array([0,1,2,3,4,5])
y = np.array([2.1, 2.9, 4.15, 4.98, 5.5, 6])
z = np.polyfit(x, y, 1)
p = np.poly1d(z)
#plotting
import matplotlib.pyplot as plt
xp = np.linspace(-1, 6, 100)
plt.plot(x, y, '.', xp, p(xp))
plt.show()
+0
这正是我所需要的,非常感谢! –
相关问题
- 1. 最小二乘:Python的
- 2. python:最小二乘估计?
- 3. 指数拟合最小二乘法Python
- 4. 分段最小二乘法
- 5. 最小二乘法3D
- 6. Octave中的鲁棒最小二乘法
- 7. R中的两级最小二乘法
- 8. 约束最小二乘在python
- 9. Python最小二乘回归qs
- 10. Python:在xdata上出现错误的最小二乘法
- 11. SPSS和普通最小二乘法
- 12. 最小二乘方法缺乏数据
- 13. L1正则化最小二乘法
- 14. 总最小二乘法,使用R
- 15. 最小二乘法曲线拟合
- 16. 特征库 - 最小二乘法
- 17. 岭系数大于最小二乘法
- 18. 线性最小二乘法拟合
- 19. 整数线性最小二乘法
- 20. 快速约束最小二乘法
- 21. 采用最小二乘
- 22. 加权最小二乘 - R
- 23. 广播lstsq(最小二乘)
- 24. 最小二乘方表示
- 25. 最小二乘C#库
- 26. matlab中的最小二乘svm
- 27. 最小化MATLAB中公式的误差(最小二乘?)
- 28. 如何计算PovRay中最小二乘平面的法向量
- 29. scipy最小二乘法中的正交回归拟合
- 30. scipy中的最小二乘函数雅可比方法签名
如果你只是做了[线性](http://en.wikipedia.org/wiki/Linear_least_squares_(数学)),以符合它可能是更简单只是为了自己做数学而不是去找图书馆。像“scipy.optimize.leastsq”这样的东西比你需要的复杂得多。 –