【统计学习方法】 从零开始,用python实现最小二乘法

深度学习入门笔记

共 2154字,需浏览 5分钟

 ·

2021-01-26 16:34



点击上方“公众号”可订阅哦!



本文主要介绍使用Numpy中的poly1d()多项式函数和Scipy的optimize模块的leastsq()函数,分别使用它们作为拟合函数和最小二乘法实现对数据的拟合。



1

poly1d()函数


np.poly1d(c_or_r, r=False, variable=None)

该函数包括三个参数,下面分别介绍这三个参数。


c_or_r:类似数组,多项式的系数,以幂次递减或者当第二个参数的值为True,即多项式的根(多项式求值为0的值)。

``poly1d([1,2,3])``

返回一个表示以下内容的对象:

math:`x ^ 2 + 2x + 3`,

而``poly1d([1,2,3],True)``

返回一个代表:

math:`(x-1)(x-2)(x-3)= x ^ 3-6x ^ 2 + 11x -6`。


r=False布尔型,可选如果为True,则`c_or_r`指定多项式的根。默认为False。


variable:str,可选将打印p时使用的变量从x更改为variable。


p = np.poly1d([1, 2, 3])print(np.poly1d(p))
# output 21 x + 2 x + 3
 p(0.5) # output 计算当x为0.5时函数值 4.25 p.r # output 计算函数根 array([-1.+1.41421356j, -1.-1.41421356j])
p.c# output 现实系数array([1, 2, 3])

p[1]# output 显示多项式中第k次幂的系数2
p * p# output 多项式相乘poly1d([ 1, 4, 10, 12, 9])
p = np.poly1d([1,2,3], variable='z')print(p)
# output 21 z + 2 z + 3
# 从其根构造一个多项式:np.poly1d([1, 2], True)# outputpoly1d([ 1, -3, 2])




2

leastsq()函数


首先来看leastsq()函数的参数,

leastsq(    func,    x0,    args=(),    Dfun=None,    full_output=0,    col_deriv=0,    ftol=1.49012e-08,    xtol=1.49012e-08,    gtol=0.0,    maxfev=0,    epsfcn=None,    factor=100,    diag=None,)


参数还是非常多的,一般来说,我们只需要前三个参数就够了,

他们的作用分别是:

func:误差函数

x0:表示函数的参数

args=()表示数据点




3

使用最小二乘法进行数据拟合


import numpy as npimport scipy as spfrom scipy.optimize import leastsqimport matplotlib.pyplot as plt%matplotlib inline
def func(x): return 2*np.sin(2*np.pi*x) def residuals(p, x, y): fun = np.poly1d(p) # poly1d()函数可以按照输入的列表p返回一个多项式函数 return y - fun(x) # 返回真实值 与我们拟合的曲线上对应的值的差 # 拟合函数def fitting(p): pars = np.random.rand(p+1) # 生成p+1个随机数的列表,这样poly1d函数返回的多项式次数就是p r = leastsq(residuals, pars, args=(X, Y)) # 三个参数:误差函数、函数参数列表、数据点 return r
# 要进行拟合的数据点X = np.linspace(0, 1, 10)Y = [np.random.normal(0, 0.1)+num for num in func(X)] # 添加噪声
# 方便绘制曲线,所以创建多一些点x_ = np.linspace(0, 1, 100)y_ = func(x_) fit_pars = fitting(3)[0] # 注意返回值中的第一行才是拟合曲线的参数列表
plt.plot(x_, y_, label='real line')plt.scatter(X, Y, label='real points')plt.plot(x_, np.poly1d(fit_pars)(x_), label='fitting line')plt.legend()plt.show()  







 END

扫码关注

微信号|sdxx_rmbj


浏览 73
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报