데이터에 대한 Hermite 계열의 최소 제곱 맞춤을 얻으려면 PythonNumpy에서 hermite.hermfit() 메서드를 사용합니다. 이 메서드는 낮은 것에서 높은 순서로 Hermite 계수를 반환합니다. y가 2차원이면 y의 k열에 있는 데이터에 대한 계수는 k열에 있습니다. 매개변수 x는 M 샘플(데이터) 점(x[i], y[i])의 x 좌표입니다. 매개변수 y는 샘플 점의 y 좌표입니다. 동일한 x 좌표를 공유하는 샘플 점의 여러 세트는 y에 대해 하나의 데이터 세트를 포함하는 2차원 배열을 전달하여 하나의 폴리핏 호출에 (독립적으로) 맞출 수 있습니다. 칼럼.
매개변수 deg는 피팅 다항식의 차수입니다. deg가 단일 정수인 경우 deg'항까지 포함하여 모든 항이 피팅에 포함됩니다. 매개변수 rcond는 피팅의 상대 조건 번호입니다. 가장 큰 특이값에 비해 rcond보다 작은 특이값은 무시됩니다. 기본값은 len(x)*eps이며, 여기서 eps는 플랫폼의 float 유형의 상대 정밀도이며 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 hermite를 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 계열의 최소 제곱 맞춤을 얻으려면 Pythonnumpy에서 hermite.hermfit() 메서드를 사용합니다. 이 메서드는 낮은 것에서 높은 순서로 Hermite 계수를 반환합니다. y가 2차원이면 y의 k열에 있는 데이터에 대한 계수는 k열에 있습니다 -
c, 통계 =H.hermfit(x,y,3,full=True)print("\n결과...\n",c)print("\n결과...\n",통계) 예시
import numpy as npfrom numpy.polynomial import hermite 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 시리즈의 hermite.hermfit() 메서드를 사용하여 Python numpyc, stats =H.hermfit(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 -0.20 -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 ... [-1.54632387 1.51958929 1.97346067 1.17759858 0.18851406 -0.43906085 -0.18878755 -0.25952276 -0.10422342 0.17851603 0.04 0.08 0.12 0.16 0.2 0.24 0.28 0.32 0.36 0.4 0.44 0.12145051 1.42408375 0.87115462 -1.03677161 1.01691995 0.45143153 -2.11382606 0.92466707 -0.04160743 0.9302213 1.19532222 1.69238045 1.63260027 -0.38037316 1.57013958 0.50920773 -1.104298 -0.19218013 0.10788693 0.68370213 0.7219109 1.28598447 -0.92218973 -0.11028072 -0.49917013 -1.44008132 -1.51616162 -0.80578712 1.47099231 -0.79775329 -1.0606385 -0.59517496 -0.32977967 1.04847432 -2.1621314 -0.40009103 -0.84519 0.06397194 -2.03655702 -0.28429534 -26060.47013787]결과... [-0.03198532 -0.0005109 결과... [배열([49.28934723]), 4, 배열([1.39825832, 1.20144978, 0.74600162, 0.21183404]), 1.1324274851176597