데이터에 대한 Chebyshev 시리즈의 최소 제곱 맞춤을 얻으려면 PythonNumpy에서 chebyshev.chebfit()을 사용합니다. 이 방법은 낮은 것에서 높은 순서로 체비쇼프 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 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 상대적인 rcond보다 작은 특이값은 무시됩니다. 기본값은 len(x)*eps이며, 여기서 eps는 플랫폼 부동 소수점 유형의 상대적 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 아닌 경우 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 가져오기from numpy.polynomial 가져오기 chebyshev를 C로
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 Chebyshev 시리즈의 최소 제곱 맞춤을 얻으려면 PythonNumpy에서 chebyshev.chebfit()을 사용합니다. 이 방법은 낮은 것에서 높은 순서로 체비쇼프 계수를 반환합니다. y가 2차원이면 y의 k열에 있는 데이터에 대한 계수는 k열에 있습니다 -
c, stats =C.chebfit(x,y,3,full=True)print("\n결과...\n",c)print("\n결과...\n",stats) 예시
import numpy as npfrom numpy.polynomial import chebyshev as C# The x-coordinatex =np.linspace(-1,1,51)# Display the x-coordinateprint("X Coordinate...\n",x )# The y-coordinatey =x**3 - x + np.random.randn(len(x))print("\nY Coordinate...\n",y)# 최소제곱피트를 얻으려면 데이터에 대한 Chebyshev 시리즈의 chebyshev.chebfit() Numpyc, stats =C.chebfit(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 ... [0.04578661 -0.41009751 -0.59839355 -0.86942574 1.19418042 -0.53671972 -0.71247683 0.7118818 -0.09274183 0.04 0.08 0.12 0.16 0.2 0.24 0.28 0.32 0.36 0.4 0.44 1.46114141 -0.40189463 -0.84017206 -1.00618725 -0.7191427 -0.48005631 -0.28661328 0.58161734 2.62382626 -0.56256678 0.92925678 1.68074305 0.97381262 1.22568804 1.71884192 1.03080843 0.55990935 0.29117168 -0.63718482 0.49396313 -0.32920431 1.16682261 0.90746863 -1.0058597 0.54972961 -1.06040041 -0.11828954 -0.51446299 -1.97932024 -0.91902371 -0.31859977 -1.16124938 0.31809796 0.54940462 -1.11008331 1.04918751 -2.60742632 -1.07242746 -0.54313779 -0.3440979 -0.3440979 -0.28234564 0.46]4293099 결과 699379 -0.4211565 0.32959334]결과... [배열([43.34485511]), 4, 배열([1.20144978, 1.192227163, 0.19227163, 0.16058422, 0.724]3)