目的
概述
使用 scipy.optimize 中 curve_fit 方法实现最小二乘法拟合。
代码实现
import numpy as np
import random
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
plt.rcParams['font.sans-serif'] = ['SimHei']
#自定义函数
def func(x, a, b, c, d):
return a + b*x + c*pow(x, 2) + d*pow(x, 3)
#定义x、y散点坐标
x = np.arange(1, 10, 0.5)
y = []
for i in range(5, 20, 2):
y.append(i + random.uniform(-3, 3))
for i in range(17, 27, 1):
y.append(i + random.uniform(-1, 1))
y = np.array(y)
#非线性最小二乘法拟合
popt, pcov = curve_fit(func, x, y)
#获取popt里面是拟合系数
a = popt[0]
b = popt[1]
c = popt[2]
d = popt[3]
yvals = func(x, a, b, c, d) #拟合y值
print('系数a:', a)
print('系数b:', b)
print('系数c:', c)
print('系数d:', d)
#绘图
fig = plt.figure(figsize = (10, 7))
plot1 = plt.plot(x, y, 's', label = '数据值')
plot2 = plt.plot(x, yvals, 'r',label = '拟合曲线')
plt.xlabel('x')
plt.ylabel('y')
plt.legend(loc = 'best') #指定legend的位置右下角
plt.title('最小二乘法拟合曲线', fontSize = 15)
plt.show()
解得系数如下图1,拟合曲线如下图2。