datos de ajuste con numpy

Question

datos de ajuste con numpy

Permítanme comenzar diciendo que lo que obtengo puede no ser lo que espero y tal vez usted pueda ayudarme aquí. Tengo los siguientes datos:

>>> x
array([ 3.08,  3.1 ,  3.12,  3.14,  3.16,  3.18,  3.2 ,  3.22,  3.24,
    3.26,  3.28,  3.3 ,  3.32,  3.34,  3.36,  3.38,  3.4 ,  3.42,
    3.44,  3.46,  3.48,  3.5 ,  3.52,  3.54,  3.56,  3.58,  3.6 ,
    3.62,  3.64,  3.66,  3.68])

>>> y
array([ 0.000857,  0.001182,  0.001619,  0.002113,  0.002702,  0.003351,
    0.004062,  0.004754,  0.00546 ,  0.006183,  0.006816,  0.007362,
    0.007844,  0.008207,  0.008474,  0.008541,  0.008539,  0.008445,
    0.008251,  0.007974,  0.007608,  0.007193,  0.006752,  0.006269,
    0.005799,  0.005302,  0.004822,  0.004339,  0.00391 ,  0.003481,
    0.003095])

Ahora, quiero ajustar estos datos con, digamos, un polinomio de 4 grados. Así que lo hago:

>>> coefs = np.polynomial.polynomial.polyfit(x, y, 4)
>>> ffit = np.poly1d(coefs)

Ahora creo una nueva cuadrícula para los valores x para evaluar la función de ajuste ffit:

>>> x_new = np.linspace(x[0], x[-1], num=len(x)*10)

Cuando hago todo el trazado (conjunto de datos y curva de ajuste) con el comando:

>>> fig1 = plt.figure()                                                                                           
>>> ax1 = fig1.add_subplot(111)                                                                                   
>>> ax1.scatter(x, y, facecolors='None')                                                                     
>>> ax1.plot(x_new, ffit(x_new))                                                                     
>>> plt.show()

Consigo el siguiente:

Fitting_data.png

Lo que espero es que la función de ajuste se ajuste correctamente (al menos cerca del valor máximo de los datos). ¿Qué estoy haciendo mal?

Gracias de antemano.

28

python numpy regression curve-fitting data-fitting

Author: Siddhant Saraf, 2013-09-12

Source

2 answers

Tenga en cuenta que puede usar la clase Polinomial directamente para hacer el ajuste y devolver una instancia polinómica.

from numpy.polynomial import Polynomial

p = Polynomial.fit(x, y, 4)
plt.plot(*p.linspace())

p utiliza valores x escalados y desplazados para la estabilidad numérica. Si necesita la forma habitual de los coeficientes, tendrá que seguir con

pnormal = p.convert(domain=(-1, 1))

12

Author: Charles Harris,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2014-04-22 04:19:09

score 58 · Accepted Answer

Desafortunadamente, np.polynomial.polynomial.polyfit devuelve los coeficientes en el orden opuesto al de np.polyfit y np.polyval (o, como usaste np.poly1d). Para ilustrar:

In [40]: np.polynomial.polynomial.polyfit(x, y, 4)
Out[40]: 
array([  84.29340848, -100.53595376,   44.83281408,   -8.85931101,
          0.65459882])

In [41]: np.polyfit(x, y, 4)
Out[41]: 
array([   0.65459882,   -8.859311  ,   44.83281407, -100.53595375,
         84.29340846])

En general: np.polynomial.polynomial.polyfit devuelve coeficientes [A, B, C] a A + Bx + Cx^2 + ..., mientras que np.polyfit devuelve: ... + Ax^2 + Bx + C.

Así que si desea utilizar esta combinación de funciones, debe invertir el orden de los coeficientes, como en:

ffit = np.polyval(coefs[::-1], x_new)

Sin embargo, la documentación establece claramente para evitar np.polyfit, np.polyval, y np.poly1d, y en lugar de usar solo el nuevo paquete (er).

Es más seguro usar solo el paquete polinómico:

import numpy.polynomial.polynomial as poly

coefs = poly.polyfit(x, y, 4)
ffit = poly.polyval(x_new, coefs)
plt.plot(x_new, ffit)

O, para crear la función polinómica:

ffit = poly.Polynomial(coefs)    # instead of np.poly1d
plt.plot(x_new, ffit(x_new))

ajuste y gráfico de datos