数值分析--线性多项以及多元最小二乘拟合python3实现并画图

最新推荐文章于 2024-08-06 17:13:53 发布

道是无情却又晴

最新推荐文章于 2024-08-06 17:13:53 发布

阅读量4.9k

点赞数 1

分类专栏： python 机器学习文章标签： python 函数

本文链接：https://blog.csdn.net/zzy123zzy123_/article/details/78241268

版权

python 同时被 2 个专栏收录

18 篇文章 0 订阅

订阅专栏

机器学习

8 篇文章 0 订阅

订阅专栏

一、基础理论：

曲线拟合：字面意思
应用：预测和检验
方法：两种
最小二乘法（数值不精确）
插值法（数值精确，曲线过每个点）
基础数学理论：
泰勒级数（预测下一个函数值），有限差商，均值，标注差（方差开根），残差平方和，正态分布，置信区间
数据特性：
①数据中心-算术平均
②分散度-标准差，方差，方差系数（标准差/均值）
③数据分布：正态
最小二乘回归之线性回归：
首先直线/曲线拟合公式
判断公式精确：
残差值之和最小极为最佳公式
残差值之和：
直接相加？有绝对值抵消误差
加绝对值相加？编程难以实现，存在多条
残差的平方和—-最小二乘法
判断最小：
求偏导=0
扩展：直线-曲线-多元
偏导数：
定义：针对函数的多元变量在各个方向上的变化率保持一个变量对其他变量求导数；
解题思路：定义法/先求偏导函数在带入具体点求解
python：

http://blog.csdn.net/taoyanqi8932/article/details/52703686 矩阵实现

二、代码实现

from numpy import*;#导入numpy库函数
import numpy as np;#使用np函数用np.开头
import matplotlib.pyplot as plt  # 图形库

1.python直线拟合

print('题目试验数据：')
print('xi[0.0,0.2,0.4,0.6,0.8]')
print('yi[0.9,1.9,2.8,3.3,4.2]')
print('用最小二乘法拟合直线：')
print('*********************************************')

xx = []#存放X值
yy = []#存放Y值
def save(t,flag):#t代表存放x值个数 flag标志存储x/y
    print('存放实验数据')
    if flag ==1:
        print('存入X',t,'个数：')
        for i in range(t):#for循环
            a=input()
            xx.append(float(a))#强制转化  python只支持三种类型：int float complex
    elif flag ==0:
        print('存入Y', t, '个数：')
        for i in range(t):
            b=input()
            yy.append(float(b))
    else:
        print('输出flag有误！')

def m ():#计算方程个数 0-0
    return len(xx)

def Sum(flag):#计算X/Y的总和  xi/yi
    sum =0 #能局部不全局
    for i in range(len(xx)):
        if flag == 1:
            sum = xx[i]+ sum
        else:
            sum = yy[i]+ sum
    return sum

def squSum(flag):#x_y平方的总和 xi*xi /yi*yi
    sum =0
    for i in range(len(xx)):
        if flag == 1:
            sum = xx[i] * xx[i] + sum
        else:
            sum = yy[i] * yy[i] + sum
    return sum

def difSquSum():#xi*yi平方总和 xi*yi
    sum =0
    for i in range(len(xx)):
        sum = xx[i]*yy[i]+sum
    return sum

def result(m1,m3):#进行系数计算
    t = (((m1.T * m1).I) * m1.T) * m3
    return t

#创建矩阵 线性 4*4  多元
m1 = mat([[0.0,0.0],[0.0,0.0]])#创建2*2矩阵 存m,xi,xi,xi*xi
#float=m1.dtype  矩阵元素类型确定 在初始化的时候规定  元素类型必须相同
m3 = mat([[0.0],[0.0]])#存 yi之和 xiyi乘积之
Result = mat([[0.0],[0.0]])#存储结果
#mat1=mat()
#对应函数值存放进矩阵
save(5,1)#存x
print(xx)
save(5,0)#存y
print(yy)
m1[0,0]=m()
m1[0,1]=Sum(1)
m1[1,0]=Sum(1)
m1[1,1]=float(squSum(1))
print(squSum(1))
print(m1)
m3[0,0]=Sum(0)
m3[1,0]=difSquSum()
print(m3)
Result = result(m1,m3)
print(result(m1,m3))

#矩阵运算

x = 0
plot.title("line Least squares polynomial ")
x = np.linspace(0,3)
plot.xlim(0,4)
plot.plot(x,Result[0,0]+Result[1,0]*x)
plot.scatter(xx,yy,c='m')
plot.show()

"""
save(5,1)#存x
print(x)
#save(5,0)#存y
#print(y)
print(m())#方程个数
print(sum(1))#X的和
print(squSum(1))#X平方和
print(difSquSum(1))#x*y的平方和
"""
#t = mat(ones(3,3))
#print(t)
"""
m1 = mat([[1, -1], [1, 1],[1,1]])  # 创建2*2矩阵 存m,xi,xi,xi*xi   三行两列
m3 = mat([[0],[1],[0]])  # 存 yi之和 xiyi乘积之和
t = (((m1.T*m1).I)*m1.T)*m3
print(t)
结果：
[[ 0.25]
 [ 0.25]]
print(m1)
t =m1.T
print(t)
t = m1.T*m1
print(t)
t = t.I
print(t)
print(3/8)
结果：
[[ 1 -1]
 [ 1  1]
 [ 1  1]]
[[ 1  1  1]
 [-1  1  1]]
[[3 1]
 [1 3]]
[[ 0.375 -0.125]
 [-0.125  0.375]]
0.375
"""
"""
最终结果：
存放实验数据
存入X 5 个数：
0.0
0.2
0.4
0.6
0.8
[0.0, 0.2, 0.4, 0.6, 0.8]
# 存放实验数据。
存入Y 5 个数：，
0.9
1.9
2.8
3.3
4.2
[0.9, 1.9, 2.8, 3.3, 4.2]
1.2000000000000002
[[ 5.   2. ]
 [ 2.   1.2]]
[[ 13.1 ]
 [  6.84]]
[[ 1.02]
 [ 4.  ]]

Process finished with exit code 0

"""

2.python曲线（多项式）拟合

这里写图片描述

print('实例数据表：')
print('xi[1,2,3,4,6,7,8]')
print('yi[2,3,6,7,5,3,3]')
print('用最小二乘法求二次拟合多项式：')
print('*************************************')

xx = []#存放X值
yy = []#存放Y值
def save(t,flag):#t代表存放x值个数 flag标志存储x/y
    print('存放实验数据')
    if flag ==1:
        print('存入X',t,'个数：')
        for i in range(t):#for循环
            a=input()
            xx.append(float(a))#强制转化  python只支持三种类型：int float complex
    elif flag ==0:
        print('存入Y', t, '个数：')
        for i in range(t):
            b=input()
            yy.append(float(b))
    else:
        print('输出flag有误！')

def m ():#计算方程个数 0-0
    return len(xx)

def Sum(flag):#计算X/Y的总和  xi/yi
    sum =0 #能局部不全局
    for i in range(len(xx)):
        if flag == 1:
            sum = xx[i]+ sum
        else:
            sum = yy[i]+ sum
    return sum

def squSum(flag):#x_y平方的总和 xi*xi /yi*yi
    sum =0
    for i in range(len(xx)):
        if flag == 1:
            sum = xx[i] * xx[i] + sum
        else:
            sum = yy[i] * yy[i] + sum
    return sum

def cubeSum(flag):#三次方和相加
    sum=0
    for i in range(len(xx)):
        if flag==1:
            sum =sum+xx[i]*xx[i]*xx[i]
        else:
            sum = sum+yy[i]*yy[i]*yy[i]
    return sum

def biquSum(flag):#四次方和相加
    sum = 0
    for i in range(len(xx)):
        if flag == 1:
            sum = sum + xx[i] * xx[i] * xx[i]*xx[i]
        else:
            sum = sum + yy[i] * yy[i] * yy[i]*yy[i]
    return sum

def difSquSum():#xi*yi平方总和 xi*yi
    sum =0
    for i in range(len(xx)):
        sum = xx[i]*yy[i]+sum
    return sum

def difxxy():
    sum = 0
    for i in range(len(xx)):
        sum = xx[i]*xx[i]*yy[i]+sum
    return sum

def result(m1,m3):#进行系数计算
    t = (((m1.T * m1).I) * m1.T) * m3
    return t

#创建矩阵 线性 4*4  多元
m1 = mat([[0.0,0.0,0.0],[0.0,0.0,0.0],[0.0,0.0,0.0]])#创建2*2矩阵 存m,xi,xi,xi*xi
#float=m1.dtype  矩阵元素类型确定 在初始化的时候规定  元素类型必须相同
m3 = mat([[0.0],[0.0],[0.0]])#存 yi之和 xiyi乘积之
Result=mat([[0.0],[0.0],[0.0]])#存储a0,a1,a2

#mat1=mat()
#对应函数值存放进矩阵
save(7,1)#存x
print(xx)
save(7,0)#存y
print(yy)
m1[0,0]=m()
m1[0,1]=Sum(1)
m1[0,2]=squSum(1)
m1[1,0]=Sum(1)
m1[1,1]=squSum(1)
m1[1,2]=cubeSum(1)
m1[2,0]=squSum(1)
m1[2,1]=cubeSum(1)
m1[2,2]=biquSum(1)

print(squSum(1))
print(m1)
m3[0,0]=Sum(0)
m3[1,0]=difSquSum()
m3[2,0]=difxxy()
print(m3)
print(result(m1,m3))
Result = ow()
"""
实例数据表：
xi[1,2,3,4,6,7,8]
yi[2,3,6,7,5,3,3]
用最小二乘法求二次拟合多项式：
*************************************
存放实验数据
存入X 7 个数：
1
2
3
4
6
7
8
[1.0, 2.0, 3.0, 4.0, 6.0, 7.0, 8.0]
存放实验数据
存入Y 7 个数：
2
3
6
7
5
3
2
[2.0, 3.0, 6.0, 7.0, 5.0, 3.0, 2.0]
179.0
[[  7.00000000e+00   3.10000000e+01,7,8]
yi[2,3,6,7,5,3,3]
用最小二乘法求二次拟合多项式：
*************************************
存放实验数据
存入X 7 个数：
1
2
3
4
6
7
8
[1.0, 2.0, 3.0, 4.0, 6.0, 7.0, 8.0]
存放实验数据
存入Y 7 个数：
2
3
6
7
5
3
2
[2.0, 3.0, 6.0, 7.0, 5.0, 3.0, 2.0]
179.0
[[  7.00000000e+00   3.10000000e+0
 1.79000000e+02]
 [  3.10000000e+01   1.79000000e+02   1.17100000e+03]
 [  1.79000000e+02   1.17100000e+03   8.14700000e+03]]
[[  28.]
 [ 121.]
 [ 635.]]
[[-1.31818182]
 [ 3.43181818]
 [-0.38636364]]

Process finished with exit code 0

"""