python 分段拟合 判别_python – 具有n个断点的分段线性拟合

NumPy有一个

polyfit function,通过一组点很容易找到最合适的线：

coefs = npoly.polyfit(xi, yi, 1)

所以真的唯一的困难就是找到断点.对于给定的一组

断点通过给定的数据找到最合适的线条是微不足道的.

因此,而不是试图找到断点和系数的位置

一次性线性部分,足以使参数空间最小化

断点.

由于断点可以通过它们的整数索引值指定到x数组中,

参数空间可以被认为是N维的整数网格上的点,其中

N是断点的数量.

optimize.curve_fit不是这个问题的最小化器的好选择

因为参数空间是整数值.如果你要使用curve_fit,

算法会调整参数以确定在哪个方向上

移动.如果调整小于1个单位,则断点的x值不会

更改,因此错误不会更改,因此算法不会获得任何信息

关于移动参数的正确方向.因此curve_fit

当参数空间基本上是整数值时,往往会失败.

一个更好但不是非常快的最小化器将是一个强力网格搜索.如果

断点的数量很小(x值的参数空间是

小)这可能就足够了.如果断点的数量很大和/或

参数空间很大,那么也许设置一个多级粗/细

(蛮力)网格搜索.或者,也许有人会建议一个比蛮力更聪明的最小化器……

import numpy as np

import numpy.polynomial.polynomial as npoly

from scipy import optimize

import matplotlib.pyplot as plt

np.random.seed(2017)

def f(breakpoints, x, y, fcache):