numpy.polynomial.chebyshev.Chebyshev.fit¶
-
Chebyshev.
fit
(x, y, deg, domain=None, rcond=None, full=False, w=None, window=None)[source]¶ 最小二乘拟合数据。
返回与在x采样的数据y的最小二乘拟合的系列实例。返回的实例的域可以被指定,并且这将经常导致优越的适合,较少的病况调节的机会。
参数: x:array_like,shape(M,)
M个采样点
(x [i], y [i])
的x坐标。y:array_like,shape(M,)或(M,K)
y坐标。通过传递每列包含一个数据集的2D阵列,可以一次拟合共享相同x坐标的样本点的若干数据集。
deg:int或1-D array_like
拟合多项式的度(s)。如果deg是单个整数,则包括deg项的所有项包括在拟合中。对于Numpy版本> = 1.11,可以使用指定要包括的术语的度数的整数列表。
domain:{None,[beg,end],[]},可选
用于返回的系列的域。如果
None
,则选择覆盖点x的最小域。如果[]
使用类域。默认值为NumPy 1.4中的类域和更高版本中的None
。在numpy 1.5.0中添加了[]
选项。rcond:float,可选
相对条件编号。相对于最大奇异值小于该值的奇异值将被忽略。默认值为len(x)* eps,其中eps是float类型的相对精度,在大多数情况下约为2e-16。
full:bool,可选
开关确定返回值的性质。当它为False(默认值)时,只返回系数,当来自奇异值分解的True诊断信息也返回时。
w:array_like,shape(M,),可选
重量。如果不是无,则每个点
(x[i],y[i])
对拟合的贡献由w [i]加权。理想地,选择权重使得乘积w[i]*y[i]
的误差都具有相同的方差。默认值为“无”。版本1.5.0中的新功能。
窗口:{[beg,end]},可选
用于返回系列的窗口。默认值为默认类域
版本1.6.0中的新功能。
返回: new_series:series
表示最小二乘法拟合数据并具有调用中指定的域的系列。
[resid,rank,sv,rcond]:list
只有full = True时,才会返回这些值
resid – sum of squared residuals of the least squares fit rank – the numerical rank of the scaled Vandermonde matrix sv – singular values of the scaled Vandermonde matrix rcond – value of rcond.
有关详细信息,请参阅linalg.lstsq。