使用scipy的leastsq进行多参数多输入变量曲线拟合

最新推荐文章于 2024-06-09 11:01:50 发布

KPer_Yang

最新推荐文章于 2024-06-09 11:01:50 发布

阅读量1.4k

点赞数 4

分类专栏：机器学习文章标签： scipy python numpy

本文链接：https://blog.csdn.net/KPer_Yang/article/details/126374607

版权

机器学习专栏收录该内容

87 篇文章 17 订阅

订阅专栏

简介：
scipy.optimize.leastsq对多变量和多参数曲线拟合，多变量指的是多个输入变量，例如x1、x2…而不是单个变量x。多参数指的是需要求解的函数含有多个未知参数，例如k1、k2…。如下，我要拟合的曲线是：
$y=k_1x_1+k_2x_2+k_3$

代码：

from typing import List

from matplotlib import pyplot as plt
import numpy as np
from numpy import polyfit, poly1d
from scipy import linalg
from scipy.optimize import leastsq


def predesign_fun(data, arg):
    """
    预先设计的函数
    :return:
    """
    k1, k2, k3 = arg
    return k1 * data[0] + k2 * data[1] + k3


def error(arg, y_value, x_data):
    """
    误差计算
    :return:
    """
    return y_value - predesign_fun(x_data, arg)


def get_data():
    """
    获取数据
    :return:
    """
    data = [[50, 48, 242],
            [70, 28, 198],
            [40, 50, 202],
            [80, 20, 162],
            [100, 24, 242],
            [30, 57, 173],
            [60, 24, 145],
            [47, 28, 133],
            [65, 24, 158],
            [71, 29, 208],
            [60, 5, 30],
            [80, 80, 646],
            [60, 40, 242],
            [47, 58, 275],
            [46, 58, 269],
            [60, 30, 182],
            [65, 25, 164],
            [52, 25, 131],
            [54, 68, 371]]
    return data


def curve(data):
    """
    曲线拟合
    :return:
    """
    x, y, z = [], [], []
    for row in data:
        x.append(row[0])
        y.append(row[1])
        z.append(row[2])
    # coeff = polyfit()
    x_data = (np.array(x), np.array(y))
    print(x)
    print(y)
    print(z)
    arg0 = (10, 10, 10)
    result = leastsq(error, arg0, args=(z, x_data))
    return result[0]


def paint_3D_line(data):
    """
    绘制三维图示
    :param data:
    :return:
    """
    # 定义图像和三维格式坐标轴
    x, y, z = [], [], []
    for row in data:
        x.append(row[0])
        y.append(row[1])
        z.append(row[2])
    ax1 = plt.axes(projection='3d')
    # 下面 zd xd yd是三个坐标轴
    xd = np.array(x)
    yd = np.array(y)
    zd = np.array(z)
    # 绘制散点图，属性基本还是matplotlib画图的属性设置，
    ax1.scatter3D(xd, yd, zd, c='red')
    plt.show()


def cal_absolute_error(coe, x_data, y_data):
    """
    测试结果
    :return:
    """
    return coe[0] * x_data[0] + coe[1] * x_data[1] + coe[2] - y_data


def cal_relatively_error(coe, x_data, y_data):
    """
    测试结果
    :return:
    """
    return (coe[0] * x_data[0] + coe[1] * x_data[1] + coe[2] - y_data) / y_data


if __name__ == '__main__':
    coef = curve(data=get_data())
    print(coef)
    paint_3D_line(data=get_data())
    error_value = cal_absolute_error(coef, [50, 10], 50)
    print(error_value)
    error_value = cal_relatively_error(coef, [50, 10], 50)
    print(error_value)