numpy.polynomial.chebyshev.Chebyshev.fit #

方法

类方法 多项式.chebyshev.Chebyshev。fit ( x , y , deg , domain = None , rcond = None , full = False , w = None , window = None , symbol = 'x' ) [来源] #

最小二乘法适合数据。

返回一个系列实例，该实例是与在x处采样的数据y拟合的最小二乘法 。可以指定返回实例的域，这通常会带来更好的拟合效果，并且减少不良调节的可能性。

参数：
x类似数组，形状 (M,)

M 个样本点的 x 坐标。(x[i], y[i])

y类似数组，形状 (M,)

M 个样本点的 y 坐标。(x[i], y[i])

deg int 或一维 array_like

拟合多项式的次数。如果deg是单个整数，则所有直到第 deg 项（包括第 deg项在内）的项都包含在拟合中。对于 NumPy 版本 >= 1.11.0，可以使用指定要包含的项的度数的整数列表。

域{None, [beg, end], []}, 可选

用于返回系列的域。如果，则选择覆盖点x 的None最小域。如果 使用类域。 NumPy 1.4 及更高版本中的默认值是类域。该选项是在 numpy 1.5.0 中添加的。[]None[]

rcond浮动，可选

拟合的相对条件数。相对于最大奇异值小于此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，大多数情况下约为2e-16。

满布尔值，可选

开关确定返回值的性质。当为 False（默认值）时，仅返回系数；当为 True 时，还会返回来自奇异值分解的诊断信息。

w array_like，形状 (M,)，可选

重量。如果不是“无”，则权重适用于处的w[i]未平方残差。理想情况下，选择权重以使产品的误差都具有相同的方差。当使用逆方差加权时，使用 。默认值为无。y[i] - y_hat[i]x[i]w[i]*y[i]w[i] = 1/sigma(y[i])

1.5.0 版本中的新增内容。

窗口{[beg, end]}，可选

用于返回系列的窗口。默认值是默认类域

1.6.0 版本中的新增功能。

符号str，可选

代表自变量的符号。默认为“x”。

返回：
新系列系列

表示数据的最小二乘拟合的系列，并具有在调用中指定的域和窗口。如果对未缩放和未平移的基多项式的系数感兴趣，请执行new_series.convert().coef。

[resid、rank、sv、rcond]列表

仅在以下情况下才返回这些值full == True

  • resid – 最小二乘拟合的残差平方和

  • 等级 – 缩放范德蒙德矩阵的数值等级

  • sv – 缩放范德蒙德矩阵的奇异值

  • rcond – rcond的值。

有关更多详细信息，请参阅linalg.lstsq。