使用scipy实现最小二乘法，以及通过曲线对数据进行拟合（Python）

最新推荐文章于 2024-08-20 17:16:18 发布

Sean_zzZ

最新推荐文章于 2024-08-20 17:16:18 发布

阅读量8.5k

点赞数 1

分类专栏：机器学习个人笔记文章标签： python 函数算法

本文链接：https://blog.csdn.net/github_38151745/article/details/71335230

版权

本文介绍了如何利用Python的SciPy库进行最小二乘法拟合，通过具体步骤展示了如何根据数据生成高阶曲线，并利用matplotlib绘制拟合曲线，适合于数据科学与工程中的数值计算和曲线拟合场景。

摘要由CSDN通过智能技术生成

SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。提供了基于数组是算法级应用矩阵运算，线性代数最优化方法，聚类空间运算，快速傅里叶变换。

import  scipy as sp
data = sp.genfromtxt('data/web_traffic.tsv',delimiter="\t")
# print(data.shape)# 读取数组长度
x= data[:,0]#训练数据集
y= data[:,1] #输出数据
sp.sum(sp.isnan(y))# 显示无效值
x = x[~sp.isnan(y)] # 对数组取反 只选择合法项
y = y[~sp.isnan(y)]


最小二乘法函数
def error(f, x, y):