데이터에 대한 Hermite_e 시리즈의 최소 제곱 맞춤을 얻으려면 Python numpy에서 hermite_e.hermfit() 메서드를 사용하십시오. 이 메서드는 낮은 것에서 높은 순서로 Hermite_e 계수를 반환합니다. y가 2차원이면 y의 k열에 있는 데이터에 대한 계수는 k열에 있습니다. 매개변수 x는 M 샘플(데이터) 점(x[i], y[i])의 x좌표입니다.
매개변수 y는 샘플 점의 y 좌표입니다. 동일한 x 좌표를 공유하는 여러 샘플 포인트 세트는 열당 하나의 데이터 세트를 포함하는 2-Darray를 y에 대해 전달하여 polyfit에 대한 한 번의 호출로 (독립적으로) 맞출 수 있습니다. 매개변수 deg는 피팅 다항식의 차수입니다. deg가 단일 정수인 경우 deg'항까지의 모든 항이 피팅에 포함됩니다. 매개변수 rcond는 피팅의 상대 조건 번호입니다. 가장 큰 특이값에 비해 rcond보다 작은 특이값은 무시됩니다. 기본값은 len(x)*eps이며, 여기서eps는 플랫폼의 float 유형의 상대 정밀도로 대부분의 경우 약 2e-16입니다.
매개변수 full은 반환 값의 특성을 결정하는 스위치입니다. False(기본값)인 경우 계수만 반환됩니다. True이면 특이값 분해의 진단 정보도 반환됩니다. 매개변수 w는 가중치입니다. None이 아니면 가중치 w[i]는 x[i]에서 제곱되지 않은 잔차 y[i] - y_hat[i]에 적용됩니다. 이상적으로는 곱 w[i]*y[i]의 오차가 모두 동일한 분산을 갖도록 가중치가 선택됩니다. 역분산 가중치를 사용할 때 w[i] =1/sigma(y[i])를 사용합니다. 기본값은 없음입니다.
단계
먼저 필요한 라이브러리를 가져옵니다 -
numpy를 np로 가져오기 from numpy.polynomial 가져오기 hermite_e를 H로
x 좌표 -
x =np.linspace(-1,1,51)
x 좌표 표시 -
print("X 좌표...\n",x) y 좌표 -
y =x**3 - x + np.random.randn(len(x))print("\nY 좌표...\n",y) 데이터에 대한 Hermite_e 시리즈의 최소 제곱 맞춤을 얻으려면 Python에서 hermite_e.hermfit() 메서드를 사용하십시오 -
c, 통계 =H.hermefit(x,y,3,full=True)print("\n결과...\n",c)print("\n결과...\n",통계) 예시
import numpy as npfrom numpy.polynomial import hermite_e as H# The x-coordinatex =np.linspace(-1,1,51)# Display the x-coordinateprint("X Coordinate...\n", x)# y 좌표 =x**3 - x + np.random.randn(len(x))print("\nY Coordinate...\n",y)# 최소 제곱을 맞추려면 데이터에 대한 Hermite_e 시리즈의 hermite_e.hermfit() 메서드를 사용하여 Python numpyc, stats =H.hermefit(x,y,3,full=True)print("\nResult...\n",c)print( "\n결과...\n",통계) 출력
X좌표... [-1. -0.96 -0.92 -0.88 -0.84 -0.8 -0.76 -0.72 -0.68 -0.64 -0.6 -0.56 -0.52 -0.48 -0.44 -0.4 -0.36 -0.32 -0.28 -0.24 -0.0 -0.24 -0.2 0.48 0.52 0.56 0.6 0.64 0.68 0.72 0.76 0.8 0.84 0.88 0.92 0.96 1] Y 협조 ... [-0.54079609 -1.17586687 -0.81506394 0.8047718 -1.21403444 -1.09247646 -0.88942226 -0.62335081 0.04 0.08 0.12 0.16 0.2 0.24 0.28 0.32 0.36 0.4 0.44 0.83995142 0.29147171 2.45859847 -0.37545462 0.90161986 -0.7125131 -0.82978518 0.25422338 0.62073702 -1.43305948 0.96436296 0.03069738 -1.07349677 0.55233582 1.23286374 0.37330458 0.27239629 0.46859691 -0.1074476 1.19279741 0.15844038 -0.20424904 -1.41467693 -0.79396457 -2.38068246 -1.24121297 -0.7877071 -1.09171002 1.0806185 -0.94389035 -2.16201749 0.21671724 -1.15596405 0.57090598 -0.52496753 -0.20358065 -3.72121093 1.39868958 -0.02626711 -1.51582035 -0.122223608 -0.58368042 0.691381 .08689429]결과... [배열([51.90771673]), 4, 배열([1.41192215, 1.37967947, 0.31061966, 0.08047256]), 1.857242774