使用scipy来进行曲线拟合

导读

曲线拟合的应用在生活中随处可见，不知道大家是否还记得物理实验中的自由落体运动中下降高度与时间关系之间的探究，在初速度为0的情况下，我们想要探究下降高度与时间的关系。

我们当时采用的方法是通过设置不同的下降时间来记录下降的高度，测量记录多组数据之后，再利用二维坐标系将记录的点绘制到坐标系当中去，然后保证绘制的曲线到这些点的距离之和最小，最终得到的曲线就是h与t的关系。

绘制出h和t的关系之后，我就可以知道任意取值t在初速度为0的情况下，下降高度h对应的值。除此之外，曲线拟合的应用还有很多例如房价预测、经济预测、股价预测等。

不知道，大家有没有思考过，为什么我们可以通过测量值来绘制出t和h的关系曲线呢？这里面用到的逻辑究竟是什么呢？其实关于曲线的拟合通常有两种解决方案：

我们已经知道了自变量(x)和因变量(y)的关系，只是不知道参数，通过观察值来计算出参数，就能计算出自变量和因变量之间的关系
利用万能函数逼近器神经网络来拟合曲线，通过定义代价函数，利用已有观察值的输入值来计算出预测值，再计算出预测值与观测值的输出值之间的差距，在通过反向传播，来计算出神经网络的参数

下面我们主要探讨如何利用方法1来实现曲线的拟合

曲线拟合

曲线拟合还可以分为两种情况，第一种就是没有约束的曲线拟合，第二种就是带有约束条件的曲线拟合。scipy中提供了curve_fit函数使用非线性的最小二乘法用来拟合没有约束条件的曲线，提供了least_squares函数用来拟合带有约束条件的曲线。

没有约束条件的曲线拟合

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt#设置随机数的种子
np.random.seed(28)def simlate_data(time_array):#用来模拟测量误差measurement_error = np.random.randn(len(time_array))g = 9.8#模拟数据h_array = 0.5 * g * time_array ** 2 + measurement_errorreturn h_arraydef objective_fun(x,a):#定义二次函数作为目标函数return a * x**2def objective_fun1(x,a):#定义三次函数作为目标函数return a * x**3#定义输入数据(t)和输出数据(h)
time_array =  np.arange(0,10,1) * 0.2
h_array = simlate_data(time_array)#计算定义函数的参数
popt,_ = curve_fit(objective_fun,time_array,h_array)
#获取参数
a = poptpopt1,_ = curve_fit(objective_fun1,time_array,h_array)
a1 = popt1#绘制数据点和预测的函数
plt.scatter(time_array,h_array)
plt.plot(time_array,objective_fun(time_array,a),"--",color="r")
plt.plot(time_array,objective_fun1(time_array,a1),":",color="b")
plt.legend(["data","objective quadratic function","objective cubic function"])plt.show()

带约束条件的曲线拟合

有时候在求解曲线参数的时候，会对参数的边界做出一些限制，下面就展示了在对参数的边界做出限制的情况下如何来求解的问题。我们使用jac矩阵结合最小二乘法来计算曲线的参数

import numpy as np
from scipy.optimize import least_squares
import matplotlib.pyplot as pltdef model(x,u):"""定义拟合的曲线:param x:输入值自变量:param u:输入值函数的参数:return:返回值因变量"""return x[0] * (u ** 2 + x[1] * u) / (u ** 2 + x[2] * u + x[3])def fun(x,u,y):return model(x,u) - ydef jac(x,u,y):J = np.empty((u.size,x.size))den = u ** 2 + x[2] * u + x[3]num = u ** 2 + x[1] * uJ[:,0] = num / denJ[:,1] = x[0] * u / denJ[:,2] = -x[0] * num * u / den ** 2J[:,3] = -x[0] * num / den ** 2return J#输入值自变量
u = np.array([4.0, 2.0, 1.0, 5.0e-1, 2.5e-1, 1.67e-1, 1.25e-1, 1.0e-1,8.33e-2, 7.14e-2, 6.25e-2])
#输入值因变量
y = np.array([1.957e-1, 1.947e-1, 1.735e-1, 1.6e-1, 8.44e-2, 6.27e-2,4.56e-2, 3.42e-2, 3.23e-2, 2.35e-2, 2.46e-2])
#函数的参数
x0 = np.array([2.5, 3.9, 4.15, 3.9])
#利用jac矩阵结合最小二乘法来计算曲线的参数,设置参数的取值在(0,100)之间
res = least_squares(fun, x0, jac=jac, bounds=(0, 100), args=(u, y), verbose=1)#需要预测值得输入值
u_test = np.linspace(0, 5)
#利用计算的曲线参数来计算预测值
y_test = model(res.x, u_test)
plt.plot(u, y, 'o', markersize=4, label='data')
plt.plot(u_test, y_test, label='fitted model')
plt.xlabel("u")
plt.ylabel("y")
plt.legend(loc='lower right')
plt.show()

使用scipy来进行曲线拟合相关推荐

Python小白的数学建模课-23.数据拟合全集
拟合是用一个连续函数(曲线)靠近给定的离散数据,使其与给定的数据相吻合. 数据拟合的算法相对比较简单,但调用不同工具和方法时的函数定义和参数设置有所差异,往往使小白感到困惑. 本文基于 Scipy 工 ...
我们为你精选了一份Jupyter／IPython笔记本集合-上篇
作者:Hans Fangohr翻译:顾宇华本文约12000字,建议阅读45+分钟. 本文介绍了一些有趣的Jupyter/IPython笔记本. 目录 1. 针对某个主题的书籍或其他笔记本大集合入门教 ...
Python数据分析学习总结——替代Matlab
目录 1 数据分析流程--Python 2 数据读取--pandas 3 数据操作--numpy 3.1 数组属性查看 3.2 创建数组 3.3 数组索引和切片 3.4 数组计算 3.4.1 算术运 ...
测量T254、CSD19535两种MOS管的输入电容
※ 补充说明本文后面使用SmartTweezer测量MOS管输入电容的时候,实际操作是错误的.实际上是测量的栅极与漏极之间的电容. 如果直接测量栅极与源极之间的电容,则数值分别大了一倍,与使用充电方 ...
OptimizeWarning: Covariance of the parameters could not be estimated
OptimizeWarning: Covariance of the parameters could not be estimated 在使用python 的scipy函数进行曲线拟合时遇到这个问题 ...
【python数据挖掘课程】十四.Scipy调用curve_fit实现曲线拟合
前面系列文章讲过各种知识,包括绘制曲线.散点图.幂分布等,而如何在在散点图一堆点中拟合一条直线,也变得非常重要.这篇文章主要讲述调用Scipy扩展包的curve_fit函数实现曲线拟合,同时计算出拟合 ...
python拟合曲线的方式,Python实现曲线拟合操作示例【基于numpy,scipy,matplotlib库】...
本文实例讲述了Python实现曲线拟合操作.分享给大家供大家参考,具体如下: 这两天学习了用python来拟合曲线. 一.环境配置本人比较比较懒,所以下载的全部是exe文件来安装,安装按照顺利来安装 ...
python数据挖掘学习笔记】十四.Scipy调用curve_fit实现曲线拟合
#2018-03-28 10:02:08 March Wednesday the 13 week, the 087 day SZ SSMR python数据挖掘学习笔记]十四.Scipy调用curve ...
python 曲线拟合（numpy.polyfit、scipy.optimize.curve_fit）
小白的学习笔记,欢迎各位大神批评指正. python 曲线拟合 (一次二次比较简单,直接使用numpy中的函数即可,来自 <https://blog.csdn.net/yefengzhichen ...
Scipy、Numpy实现曲线拟合
曲线拟合 1. 多项式拟合首先通过numpy.arange定义x.y坐标,然后调用polyfit()函数进行3次多项式拟合,最后调用Matplotlib函数进行散点图绘制(x,y)坐标,并绘制预测的 ...

使用scipy来进行曲线拟合

导读

曲线拟合

使用scipy来进行曲线拟合相关推荐

最新文章

热门文章