python拟合函数_python之拟合的实现

一、多项式拟合

多项式拟合的话，用的的是numpy这个库的polyfit这个函数。那么多项式拟合，最简单的当然是，一次多项式拟合了，就是线性回归。直接看代码吧

import numpy as np

def linear_regression(x,y):

#y=bx+a，线性回归

num=len(x)

b=(np.sum(x*y)-num*np.mean(x)*np.mean(y))/(np.sum(x*x)-num*np.mean(x)**2)

a=np.mean(y)-b*np.mean(x)

return np.array([b,a])

def f(x):

return 2*x+1

x=np.linspace(-5,5)

y=f(x)+np.random.randn(len(x))#加入噪音

y_fit=np.polyfit(x,y,1)#一次多项式拟合，也就是线性回归

print(linear_regression(x,y))

print(y_fit)

手写线性回归我还是会的，然后我们来看下输出：

[1.9937839 1.24167225]

[1.9937839 1.24167225]

由于有random每次显示的结果都不一样，但很明显的是上下两个print是意料之中的一样，emmmmm，一次多项式拟合的源代码应该就是像我写的那样。好了，那么一次以上呢？咳咳，我数学不算太好，还是老老实实用库函数吧，顺便画下图，见识它的威力。

import numpy as np

from matplotlib import p