python线性拟合numpypolyfit_python numpy polyfit用法及代码示例

最小二乘多项式拟合。

拟合多项式p(x) = p[0] * x**deg + ... + p[deg]度deg到点(x，y)。返回系数p的向量，该向量使deg，deg-1……0的阶数的平方误差最小。

的Polynomial.fit对于新代码，建议使用class方法，因为它在数值上更稳定。有关更多信息，请参见该方法的文档。

参数：x： ： array_like, shape (M,)

M个采样点中的x-coordinates(x[i], y[i])。

y： ： array_like, shape (M,) 或 (M, K)

y-coordinates个采样点。通过传入每列包含一个数据集的2D-array，可以一次拟合共享同一x-coordinates的多个采样点数据集。

deg： ： int

拟合多项式的度

rcond： ： float, 可选参数

拟合的相对条件编号。相对于最大奇异值，小于此奇异值的将被忽略。默认值为len(x)* eps，其中eps是float类型的相对精度，在大多数情况下约为2e-16。

full： ： bool, 可选参数

切换确定返回值的性质。如果为False(默认值)，则仅返回系数；当还返回来自奇异值分解的True诊断信息时。

w： ： array_like, shape (M,), 可选参数

应用于采样点的y-coordinates的权重。对于高斯不确定性，请使用1 /sigma(而不是1 /sigma ** 2)。

cov