python曲线拟合原理代码.doc

概念 最小二乘法多项式曲线拟合，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y=f(x)的近似曲线y= φ(x)。 原理 [原理部分由个人根据互联网上的资料进行总结，希望对大家能有用] ? ? ?给定数据点pi(xi,yi)，其中i=1,2,…,m。求近似曲线y= φ(x)。并且使得近似曲线与y=f(x)的偏差最小。近似曲线在点pi处的偏差δi= φ(xi)-y，i=1,2,...,m。? 常见的曲线拟合方法: ? ? ?1.使偏差绝对值之和最小 ? ? ? ? ? ?2.使偏差绝对值最大的最小 ? ? ? ? ? ?3.使偏差平方和最小 ? ? ? ? ? ?按偏差平方和最小的原则选取拟合曲线，并且采取二项式方程为拟合曲线的方法,称为最小二乘法。 推导过程： ? ? ?1.?设拟合多项式为： ? ? ?? ? ? ? ? ?2.?各点到这条曲线的距离之和，即偏差平方和如下： ? ? ?? ? ? ? ? ?3.?为了求得符合条件的a值，对等式右边求ai偏导数，因而我们得到了：? ? ? ?? ? ? ? ? ?? ? ? ? ? ?? ? ?? ? ?? ? ?? ? ?....... ? ? ?? ? ? ? ? ?4.?将等式左边进行一下化简，然后应该可以得到下面的等式： ? ? ?? ? ? ? ? ?? ? ? ? ? ?? ? ?? ? ?? ? ??....... ? ? ?? ? ? ? ? ?5.?把这些等式表示成矩阵的形式，就可以得到下面的矩阵： ? ? ?? ? ? ? ? ?6.?将这个范德蒙得矩阵化简后可得到: ? ? ?? ? ? ? ? ?7.?也就是说X*A=Y，那么A = (X*X)-1*X*Y，便得到了系数矩阵A，同时，我们也就得到了拟合曲线。 实现 运行前提: Python运行环境与编辑环境； Matplotlib.pyplot图形库，可用于快速绘制2D图表，与matlab中的plot命令类似，而且用法也基本相同。 代码: [python]?view plain?copy #?coding=utf-8?? ?? ? 作者:Jairus?Chan? 程序:多项式曲线拟合算法? ?? import?matplotlib.pyplot?as?plt?? import?math?? import?numpy?? import?random?? ?? fig?=?plt.figure()?? ax?=?fig.add_subplot(111)?? ?? #阶数为9阶?? order=9?? ?? #生成曲线上的各个点?? x?=?numpy.arange(-1,1,0.02)?? y?=?[((a*a-1)*(a*a-1)*(a*a-1)+0.5)*numpy.sin(a*2)?for?a?in?x]?? #ax.plot(x,y,color=r,linestyle=-,marker=)?? #,label=(a*a-1)*(a*a-1)*(a*a-1)+0.5?? ?? #生成的曲线上的各个点偏移一下，并放入到xa,ya中去?? i=0?? xa=[]?? ya=[]?? for?xx?in?x:?? ????yy=y[i]?? ????d=float(random.randint(60,140))/100?? ????#ax.plot([xx*d],[yy*d],color=m,linestyle=,marker=.)?? ????i+=1?? ????xa.append(xx*d)?? ????ya.append(yy*d)?? ?? for?i?in?range(0,5):? ????xx=float(random.randint(-100,100))/100? ????yy=float(random.randint(-60,60))/100? ????xa.append(xx)? ????ya.append(yy)?? ?? ax.plot(xa,ya,color=m,linestyle=,marker=.)?? ?? ?? #进行曲线拟合?? matA=[]?? for?i?in?range(0,order+1):?? ????matA1=[]?? ????for?j?in?range(0,order+1):?? ????????tx=0.0?? ????????for?k?in?range(0,len(xa)):?? ????????????dx=1.0?? ????????????for?l?in?range(0,j+i):?? ????????????????dx=dx*xa[k]?? ????????????tx+=dx?? ????????matA1.a