python拟合曲线误差分析,matlab非线性最小二乘法拟合曲线方程

  python拟合曲线误差分析,matlab非线性最小二乘法拟合曲线方程

  如下所示:

  从数字导入*

  汇入数组为铭牌

  将matplotlib.pyplot输入为血小板计数

  plt.close()

  图=plt.figure()

  plt.grid(真)

  平面轴([0,10,0,8])

  #列出数据

  项目=[[1,2],[2,3],[3,6],[4,7],[6,5],[7,3],[8,2]]

  plt.xlabel(X ).

  plt.ylabel(Y )

  #用于求出矩阵中各点的值

  XSum=0.0

  X2Sum=0.0

  X3Sum=0.0

  X4Sum=0.0

  ISum=0.0

  YSum=0.0

  XYSum=0.0

  X2YSum=0.0

  #列出各点的位置

  对于范围(0,len(点)):

  Xi=点[i][0]

  易=点[i][1]

  plt.scatter(,yi,color=red )

  show _ point=( str(Xi) str(易))

  plt.text(、易、show_point)

  XSum=XSum xi

  X2Sum=X2Sum xi**2

  X3Sum=X3Sum xi**3

  X4Sum=X4Sum xi**4

  ISum=ISum 1

  易

  xy sum=xy sum Xi *易

  x2 ysum=x2 ysum Xi * * 2 *易

  #年进行矩阵运算

  # _mat1设为马特一号的逆矩阵

  m1=[[ISum,XSum,X2Sum],[XSum,X2Sum,X3Sum],[X2Sum,X3Sum,X4Sum]]

  mat1=np.matrix(m1)

  m2=[[YSum]、[XYSum]、[X2YSum]]

  mat2=np.matrix(m2)

  _mat1=mat1.getI()

  mat3=_mat1*mat2

  #年#月#日用列表(列表)来提取矩阵数据

  m3=mat3.tolist()

  a=m3[0][0]

  b=m3[1][0]

  c=m3[2][0]

  #年#月#日绘制回归线

  x=NP。林空间(0.10)

  y=a b*x c*x**2

  plt.plot(x,y)

  show _ line= y= str(a)( str(b) x ( str(c) x2 );

  工厂名称(显示线)

  plt.show()

  以上这篇python(python语言)实现二维曲线拟合的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: