(数学建模）最小二乘法（第二章）加权最小二乘法多项式拟合（python实现）

_rhinoceros_

已于 2023-05-25 23:44:23 修改

阅读量1.2w

点赞数 15

分类专栏：数学建模文章标签：数学建模 python 最小二乘法

于 2019-10-26 21:03:34 首次发布

本文链接：https://blog.csdn.net/numb_ac/article/details/102753851

版权

本文介绍了如何使用Python实现加权最小二乘法进行多项式拟合。首先通过随机数据展示一般最小二乘法的拟合效果，然后讨论在数据不平等性情况下加权最小二乘法的重要性，并给出具体实现代码，通过实例说明加权最小二乘法如何提高拟合精度。

摘要由CSDN通过智能技术生成

前言

接着之前写的第一章写，这次用python来实现加权最小二乘。

一、用随机数据进行最小二乘法拟合

我们先随机取一些数据，这里用python的随机数函数实现。

import numpy as np
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt
import seaborn as sns

np.random.seed(1)                  #随机数的标记，这里编号为1，规定这个之后，随机数就只生成一次，之后就会固定，除非seed的参数改变。
x=np.random.uniform(-5,5,35)       #生成从-5到5的随机数记为x，共35个
e=2*np.random.randn(35)            #randn返回满足标准正态分布的随机值，我们将这个随机值的二倍看做随机产生的误差，存在e中
y=2*x
plt.plot(x,y,'ro')                 #画出没有误差的散点图
y=2*x+e
plt.plot(x,y,'bo')                 #画出有误差的散点图

输出如图所示：
在这里插入图片描述
其中红点是准确值（横轴坐标值的二倍），而蓝点是带有误差的值（这些误差是我们刚才生成的）

再去掉红点，直接变为y=2*x的红线，用一般最小二乘拟合一下。

import numpy as np
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt
import seaborn as sns

np.random.seed(1)
x=np.random.uniform(-5,5,35)
e=2*np.random.randn(35)

y=2*x
#plt.plot(x,y,'ro')
plt.plot(x,2*x,'r--')