python对数据的简单回归

转载于 2018-01-24 23:48:28 发布 · 683 阅读

本文通过Python的numpy和matplotlib库演示了一种简单的方法来拟合和绘制数学函数。首先定义了一个包含正弦函数和线性项的复合函数f(x)，接着在指定区间内生成了离散的数据点，并进行了线性和五阶多项式的拟合。最后将原始函数与拟合结果在同一坐标系中进行了可视化比较。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import matplotlib.pyplot as plt

In [3]:

def f(x):
    return np.sin(x)+0.5*x

In [4]:

x=np.linspace(-2*np.pi,2*np.pi,50)

In [7]:

plt.plot(x,f(x),'b')
plt.grid(True)
plt.xlabel('x')
plt.ylabel('f(x)')

Out[7]:

Text(0,0.5,'f(x)')

In [8]:

reg=np.polyfit(x,f(x),deg=1)
print(reg)

[ 4.28841952e-01 -5.29906205e-17]

In [10]:

ry=np.polyval(reg,x)

In [11]:

plt.plot(x,f(x),'b',label='f(x)')
plt.plot(x,ry,'r.',label='val')
plt.legend(loc=0)
plt.grid(True)
plt.xlabel('x')
plt.ylabel('f(x)')

Out[11]:

Text(0,0.5,'f(x)')

In [19]:

reg=np.polyfit(x,f(x),deg=5)
ry=np.polyval(reg,x)
plt.plot(x,f(x),'b',label='f(x)')
plt.plot(x,ry,'r.',label='val')
plt.legend(loc=0)
plt.grid(True)
plt.xlabel('x')
plt.ylabel('f(x)')

Out[19]:

Text(0,0.5,'f(x)')