今天我们来学习关于“Python拟合曲线如何理解，实现方法是什么”的内容，下文有详解方法和实例，内容详细，逻辑清晰，有需要的朋友可以参考，希望大家阅读完这篇文章后能有所收获，那么下面就一起来了解一下吧。

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：

1. 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
2. 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

• 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 plt

def 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) - y

def jac(x,u,y):
    J = np.empty((u.size,x.size))
    den = u ** 2 + x[2] * u + x[3]
    num = u ** 2 + x[1] * u
    J[:,0] = num / den
    J[:,1] = x[0] * u / den
    J[:,2] = -x[0] * num * u / den ** 2
    J[:,3] = -x[0] * num / den ** 2
    return 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()

总结

到此这篇关于“Python拟合曲线如何理解，实现方法是什么”的文章就介绍到这了,更多相关Python拟合曲线如何理解，实现方法是什么内容，欢迎关注群英网络技术资讯频道，小编将为大家输出更多高质量的实用文章！

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Pycharm怎样导入opencv包和numpy包，有什么方法

  本文总结了两种方法来导入opencv与numpy包，第一种是直接在Pycharm中导入两个包，第二种是在官网下载相关文件进行配置，感兴趣的小伙伴们可以参考一下

• Python继承的语法是什么，具体怎么使用

  这篇文章主要为大家介绍了Python 继承,具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助

• Python字符串报错出现乱码怎么办，如何解决

  为什么会报错“UnicodeEncodeError: & 39;ascii& 39; codec can& 39;t encode characters in position 0-1: ordinal not in ra

• Python实现布尔盲注的代码怎样写

  这篇文章主要介绍了python实现sql布尔盲注的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

• Python怎样查看和对比数据库同名表的字段差异

  这篇文章主要介绍了Python如何查看两个数据库的同名表的字段名差异，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教