用多项式拟合含噪声曲线、正弦函数

一次函数拟合线性噪声

程序内容：先产生一个有随机噪声的线性散点图像，设置一个一次多项式对该散点图象进行拟合，最后将原始散点图像和拟合出来的多项式函数展示出来。

代码如下：

import numpy as np
import matplotlib.pyplot as plt
from numpy import polyfit

x = np.linspace(-5, 5, 100)
y = 4 * x + 1.5
noise_y = y + np.random.randn(y.shape[0]) * 2.5
plt.subplot(2,1,1)
plt.title("original image")
p = plt.plot(x, noise_y,'rx', marker="3")

plt.subplot(2,1,2)
# 用多项式进行拟合，在此用一次函数拟合
coeff = polyfit(x, noise_y, 1)
print(coeff)
plt.title("image after polynomial fitting")
p = plt.plot(x, coeff[0] * x + coeff[1], 'k-')
plt.show()

结果展示：

用多项式来拟合正弦函数

这里分别用三次多项式，五次多项式和九次多项式进行正弦函数的拟合。

程序代码如下：

import numpy as np
import matplotlib.pyplot as plt
from numpy import polyfit, poly1d

x = np.linspace(0,4*np.pi,200)
y = np.sin(x)
y3 = poly1d(polyfit(x,y,3))
y5 = poly1d(polyfit(x,y,5))
y9 = poly1d(polyfit(x,y,9))

plt.subplot(2,2,1)
plt.title("original image")
p = plt.plot(x, y)
plt.subplot(2,2,2)
plt.title("Third Order polynomials")
p = plt.plot(x, y3(x))
plt.subplot(2,2,3)
plt.title("fifth Order polynomials")
p = plt.plot(x, y5(x))
plt.subplot(2,2,4)
plt.title("ninth Order polynomials")
p = plt.plot(x, y9(x))
plt.show()

得到的结果显示为：

由图可以看出，随着多项式系数的增加，拟合的效果越来越好。当多项式为９的时候已经可以很好得还原正弦函数了。