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。