拋物线最小二乘法C语言,扣丁学堂Python培训简述在Python中利用最小二乘拟合二次抛物线函数的方法...

2、抛物线拟合源码

#!/usr/bin/env python

# coding:utf-8

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import leastsq

# 待拟合的数据

X = np.array([1,2,3,4,5,6])

Y=np.array([9.1,18.3,32,47,69.5,94.8])

# 二次函数的标准形式

def func(params, x):

a, b, c = params

return a * x * x + b * x + c

# 误差函数，即拟合曲线所求的值与实际值的差

def error(params, x, y):

return func(params, x) - y

# 对参数求解

def slovePara():

p0 = [10, 10, 10]

Para = leastsq(error, p0, args=(X, Y))

return Para

# 输出最后的结果

def solution():

Para = slovePara()

a, b, c = Para[0]

print "a=",a," b=",b," c=",c

print "cost:" + str(Para[1])

print "求解的曲线是:"

print("y="+str(round(a,2))+"x*x+"+str(round(b,2))+"x+"+str(c))

plt.figure(figsize=(8,6))

plt.scatter(X, Y, color="green", label="sample data", linewidth=2)

# 画拟合直线

x=np.linspace(0,12,100) ##在0-15直接画100个连续点

y=a*x*x+b*x+c ##函数式

plt.plot(x,y,color="red",label="solution line",linewidth=2)

plt.legend() #绘制图例

plt.show()

solution()

上面的代码中，稍微注意的是如下几点：

1、func是待拟合的曲线的形状。本例中为二次函数的标准形式。

2、error为误差函数。很多同学会问不应该是最小平方和吗？为什么不是func(params, x) - y * func(params, x) - y？原因是名为lasts的方法中帮我们做了。看一下sklearn中源码的注释就知道什么情况了：

Minimize the sum of squares of a set of equations.

x = arg min(sum(func(y)**2,axis=0))

y

二次方的操作在源码中帮我们实现了。

3、p0里放的是a、b、c的初始值，这个值可以随意指定。往后随着迭代次数增加，a、b、c将会不断变化，使得error函数的值越来越小。

4、leastsq的返回值是一个tuple，它里面有两个元素，第一个元素是a、b、c的求解结果，第二个则为cost function的大小！

3、程序的最终结果与拟合曲线

程序最终的输出结果：

a= 2.06607141425 b= 2.5975001036 c= 4.68999985496

cost:1

求解的曲线是:

y=2.07x*x+2.6x+4.68999985496