2回答
我有下面的，它有几个凹凸不平的地方。然而，当我尝试用来自scipy optimize模块的Python的curve_fit拟合曲线时，它不能很好地再现凹凸。我试过7-8次多项式和正弦，但我找不到合适的。
我假设使用7-8次多项式我应该能够再现这些凹凸(对于7阶多边形，我将有3个凹凸和3个谷，这应该足够)，然而，我只得到2个凹凸与拟合。
有没有比curve_fit更好的方法来拟合Python中的函数，或者我在拟合时做错了什么？
提前感谢您提供的任何解决方案。
浏览 15提问于2020-08-26得票数 1
1回答
我想要拟合并绘制一条受以下边界条件约束的曲线：
diff (yfit)<=0
其中yfit是n次的多项式拟合函数。
这个条件保证了多项式的斜率对于所有的x都是非正的。
如何使用"polyfit“函数或任何其他多项式拟合函数应用条件？
浏览 0提问于2013-04-22得票数 3
我试图在Matlab中拟合一条简单的多项式曲线。我有如下所示的测量数据(可以下载)：
现在，我想拟合这个曲线的二次多项式。因此，在Matlab中，我做了以下工作：
load vel.csv
load dp.csv
[p, ~, ~] = polyfit(vel, dp, 2);
figure()
scatter(vel, dp);
hold on;
plot(vel,polyval(p,vel));
hold off;
然而，结果看起来并不像Matlab完全拟合了多项式：
如何使用Matlab的polyfit函数得到一个合适的曲线拟合？
浏览 1提问于2018-11-27得票数 2
回答已采纳
1回答
这个问题是关于python中的曲线拟合。
首先，我要说，我不知道要插入到枕库中的"curve_fit“函数中的曲线拟合函数；因此，如果我对插值感兴趣，但我的目标是在未来点预测值，换句话说，外推法，我尝试使用一个多拟合。
我已经附上了一个原始信号的屏幕截图，平滑和它的多适合结果。
它有正确的聚序，但在外推中仍然失败。我的结论是，在这里，聚拟合不是正确的方法，但我不能估计曲线函数。你有什么想法？
请注意，这不是一个分布，因为y值可能会缓慢地无限下降，甚至在0以下。
我会说这个函数看起来像指数高斯，但是它不是一个分布，所以不想这样做。
我的最后一个想法是把这幅图分成两部分，第一个模型可以用
浏览 2提问于2017-10-14得票数 0
回答已采纳
我有这个方程的问题。我想要绘制和拟合(多项2°)这一点数据帧df.1：
df.1
x y
1902 0.01
1930 0.1
1950 0.5
1980 1
2014 1.8
守则是：
lm(df.1[,2] ~ poly(df.1[,1],2))
结果是：
Call:
lm(formula = df.1[, 2] ~ poly(df.1[, 1], 2))
Coefficients:
(Intercept) poly(df.1[, 1], 2)1 poly(df.1[, 1
浏览 1提问于2017-07-21得票数 1
回答已采纳
2回答
import numpy as np
from matplotlib import pyplot as plt
a = np.ndarray((2,8))
a[0] = [0,10,21.5,25.2,70,89,112,150] # row for all X values
a[1] = [0,5,10,15,20,25,30,35] # row for all Y values
#Value by curve fitting - 7th order polynomial
trend = np.polyfit(a[0], a[1], 7)
trendpoly
浏览 35提问于2020-03-30得票数 0
回答已采纳
1回答
我从ISLR进行线性和Logistic回归，在这两种情况下，我发现增加模型灵活性的方法之一是使用多项式特征-X和X^2作为特征，然后像往常一样应用回归模型，同时将X和X^2作为独立特征(在sklearn中，而不是状态模型的多项式拟合)。但是，这不是增加了特征之间的共线性吗？它如何影响模型的性能？
总结一下我对此的想法-
第一，X和X^2无疑有很大的相关性。
第二次，我写了一个，证明了，至少在线性回归中，特征之间的共线性不会影响模型的拟合分数，尽管它通过增加系数不确定性使模型更难解释。
那么第二点与此有任何关系，考虑到模型的性能是由拟合分数来衡量的。
浏览 1提问于2021-06-10得票数 2
回答已采纳
我有一个简单的问题，但我自己解决不了。我想用MATLAB的曲线拟合工具箱来拟合高阶多项式。如果我想要拟合1到9阶的多项式，它就可以工作。但是，令我惊讶的是，它不适用于次数高于9的多项式。为了简单起见，你可以看看下面的简单代码吗，不幸的是，它对我不起作用。
l=1:0.01:10;y=l.^10;
[xData, yData] = prepareCurveData(l,y);
ft = fittype( 'poly10' );
[Fit, gof] = fit( xData, yData, ft, 'Normalize', 'on' );
浏览 1提问于2018-04-22得票数 2
1回答
为了检查事件发生的概率取决于时间，我使用了一个更平滑的。
ods graphics on;
proc loess data=final plots(only MAXPOINTS=NONE)=FITPLOT;
model event = time / smooth=0.66 DEGREE=2;
run;
ods graphics off;
可以看到，Iam使用的是MAXPOINTS=NONE选项，但是当出现FIT摘要报告时，给出如下内容：
拟合方法Kd树
观察次数100500
..。
拟合点数:9个
..。
它使用9个拟合点是什么意思？
我想在平滑中使用所有的点(100500)，
浏览 0提问于2019-08-09得票数 3
回答已采纳
4回答
我有一些数据，比如说下面的向量：
1.2 2.13 3.45 4.59 4.79
我想要得到一个多项式函数，比如说f来拟合这个数据。因此，我想使用类似于polyfit的东西。然而，polyfit所做的是最小化最小二乘误差之和。但是，我想要的是
f(1)=1.2 f(2)=2.13 f(3)=3.45 f(4)=4.59 f(5)=4.79
也就是说，我想要操作拟合算法，这样它就能给出我已经给出的精确点，以及一些没有给出精确值的拟合值。我怎么能这么做？
浏览 1提问于2012-03-01得票数 0
1回答
我正在尝试将方程拟合到数据中，我正在使用polyfit，但它不够接近。我也没有曲线拟合工具箱。下面是代码和图片：
p2 = polyfit(xDat,zDat,2);
f2 = polyval(p2,xDat);
figure;
plot(xDat,zDat,'.r');
hold on
plot(xDat,f2,'*b');
红点是数据，蓝点是合适的。
浏览 0提问于2017-03-23得票数 0
2回答
我需要拟合你可以在图像中看到的曲线，这是很多蒙特卡洛模拟的结果。我还上传了数据以适应。
我试着用这样的函数来拟合曲线：
axexp(b(x^k))
用k<1。结果与实验点相似，但离我所需要的拟合函数还很远。
我曾经想过在整个过程中分裂出不同的方程，但我还没有得到一个解。第一部分是直线，第三部分是指数。但是高峰呢？
有什么想法吗？
浏览 4提问于2014-02-25得票数 1
回答已采纳
2回答
用numpy拟合数据
、、、、
让我首先告诉你，我得到的可能不是我所期望的，也许你可以在这里帮助我。我有以下数据：
>>> 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])
>>
浏览 1提问于2013-09-12得票数 55
回答已采纳
我有一个简单的脚本，在雅虎金融的外汇价格玩具数据集上执行Savitzky-Golay过滤器：
import scipy.signal
price_series = pandas.read_csv('AUDUSD=X.csv').set_index('Date')['Close']
splinal_fit = scipy.signal.savgol_filter(price_series, window_length=21, polyorder=2, deriv=0, mode='mirror')
splinal_fit = pa
浏览 0提问于2021-12-17得票数 1
我有一条光谱线的数据，这条光谱线形成了一个嘈杂的U型曲线。我想要拟合一条曲线，并找到最小点的x，y值。然后，我使用polyfit对其进行了多项式拟合。然后我在拟合的曲线上找到了最小点。注:原始曲线不对称(左侧比右侧略陡峭)。因此，min(原始)略高于min(fitted_curve)，我如何找到这一点的X和Y误差？以下是我的代码的主要部分：
import pylab , numpy
x = [... linear list of floats ...]
y = [... list of floats ...] # Produces a noisy U shaped curve .
f
浏览 0提问于2014-01-16得票数 0
我有一组简单的数据，10个递增的值。
我想将它们拟合成以下形式的多项式:Z= A1 + A2*X + A3*Y + A4*X^2 + A5*X*Y+ A6*Y^2
其中Z输出是上面的数据集，A1 - A6是我正在寻找的系数，X是输入范围(当然是10)，Y是当前的常量值。
如何将曲线拟合到这个多项式，而不是使用‘趋势线’创建的标准二阶多项式？
浏览 2提问于2011-09-28得票数 2
回答已采纳
3回答
在线性回归中，我们将多项式拟合到一组数据点。在毕晓普的“模式识别与机器学习”一书中，有几个例子表明拟合是一条曲线或一条直线。我有点搞不懂一条曲线是否是线性的。线性一词意味着拟合应该是线性函数或1次多项式，即直线。但在许多资源中，都有一些例子，其中拟合可以是3,9度等的多项式，那么这些高阶多项式是线性的吗？
浏览 0提问于2019-02-16得票数 8
回答已采纳
我已经在matlab中创建了x_data和y_data值的数组，并将它们绘制为：
plot(x_data,y_data,'o')
现在我对数据拟合了一个四阶多项式。
怎样才能得到这个四阶多项式对应的x_data和y_data呢？
浏览 0提问于2013-04-04得票数 0
回答已采纳
我正在尝试用R来理解多项式拟合。从我在互联网上的研究来看，似乎有两种方法。假设我想要将一条三次曲线ax^3 + bx^2 + cx + d拟合到某个数据集中，我可以使用：
lm(dataset, formula = y ~ poly(x, 3))
或
lm(dataset, formula = y ~ x + I(x^2) + I(x^3))
然而，当我在R中尝试它们时，我最终得到了两条截距和系数完全不同的曲线。有没有什么关于多项式的东西我在这里没弄明白？
浏览 4提问于2019-11-25得票数 2
1回答
我有200 k个数据点，我试图得到拟合多项式的导数。我每隔0.5K就把我的数据分成更小的，数据是电压和温度。我的代码大致如下所示：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
testset=pd.read_csv('150615H0.csv',sep='\t')
x=np.linspace(1,220,219)
ub=min(testset['T(K)'])
lb=min(testset['T(K)'])-1
q={i:testse
浏览 13提问于2015-07-03得票数 4
回答已采纳
我想将二次方程拟合到图中，如下所示 ? 显示。 我已经有了"From workspace“块和"Scope”块。 ? 。 现在我的问题是如何拟合二次图。我已经有了“常量”块，其中我有“汽车”矩阵。然后我有“坡道”区块，它创建1-365之间的斜率，如 ? 显示。 然后我有“最小二乘多项式拟合”和“多项式求值”模块 ? 。我做错了什么，因为它不工作？ 这是我的matlab代码： n = importdata('n.txt',';')
cars = n(:,2)
trucks = n(:,3)
bus = n(:,4)
t = linspace(1,
浏览 17提问于2019-03-02得票数 0
回答已采纳
我知道chebvander2d和chebval2d返回Vandermonde矩阵和2D输入的拟合值，chebfit返回1D输入序列的系数，但如何获得2D输入序列的系数？
浏览 2提问于2019-07-25得票数 2
1回答
我有一些数据，我希望建模，以便能够得到相对准确的数值，在同一范围内的数据。
为了做到这一点，我使用了多重拟合来拟合一个六阶多项式，并且由于我的x轴值，它建议我集中并缩放它，以得到一个更精确的拟合，我做到了。
但是，现在我想找出这个函数的导数，以便模拟我的模型的速度。
但是，我不知道复印机的功能是如何与我生产的比例和贴合的多功能相互作用的。(我不想使用不缩放的模型，因为这不是很准确)。
这里有一些代码复制了我的问题。我试图在将x值放入导数的合适值之前重新计算x值，但这仍然没有解决问题。
x = 0:100;
y = 2*x.^2 + x + 1;
Fit = polyfit(x,y,2);
浏览 3提问于2014-08-08得票数 5
回答已采纳
我需要一些帮助来理解这个名为"numpy.polynomial.hermite.hermfit(x，y，deg，rcond=None，full=False，w=None)“的numpy函数：
它在文档中说，它接受数据并对Gauss多项式进行拟合，然后给出系数的值。我想知道以下几点：
它们拟合数据的Gauss多项式的实际表达式是什么？
这些文档指出，系数是根据输入到函数的程度返回的。这是否意味着如果是deg=2，返回的答案是h1和h2？或者如果是deg=4，他们是h1，h2，h3，h4？文档中的工作示例没有明确说明这一点。
非常感谢。
浏览 15提问于2022-02-01得票数 0
来自R中nnet包的多项式()函数的文档说，它“通过神经网络拟合多项对数线性模型”，并且“响应应该是一个包含K列的因子或矩阵，它将被解释为每个K类的计数”。甚至当我在这个问题上为nnet添加一个标签时，描述说它是用于拟合“多项对数线性模型”的软件。
假设统计数据的行话非常不一致，而使用它的人很少在操作上定义这些术语，那么函数的文档甚至提到有计数响应，因此似乎表明这个函数是为了对计数数据建模的。然而，实际上，我看到的每一种资源都把它当作是一种多项式logistic回归。简而言之，每个人都以相对于参考值(如logistic回归)的日志赔率来解释结果，而不是用日志预期计数(通常称为对数线性模型)来解
浏览 6提问于2021-11-28得票数 2
2回答
我一直在使用matlab中的polyfit函数对数据拟合线性最小二乘多项式。据我所知，这使用了标准多项式基数(单项式基数)。我读到过使用Chebyshev多项式基来拟合会导致更大的数值稳定性，所以我想这样做。matlab有这个选项吗？
浏览 2提问于2012-08-17得票数 10
回答已采纳
当使用“基本拟合”工具时，一旦“拟合”完成，就有机会评估/估计某些点的值。我只能在绘图部分之前重现它。我不知道如何以编程方式重新生成"Evaluate“函数，这样我就可以估计某些点的值，并在代码中使用它们。目前，我唯一能做到这一点的方法是通过图形用户界面，也就是从图形窗口的主菜单："tools >> basic for“。
我不确定我是否说得足够清楚，但如果您需要更多信息，请不要犹豫。
浏览 2提问于2013-01-16得票数 1
回答已采纳
2回答
我需要以一种相当间接的方式来拟合数据。在拟合中要恢复的原始数据是一些线性函数，上面有小的振荡和漂移，我想要识别它。让我们称其为f(t)。我们不能在实验中直接记录这个参数，而只能间接地记录，比如说g(f) = sin(a f(t))。(真正的转移函数比较复杂，但它在这里不应该起作用)
因此，如果f(t)改变方向朝向sin函数的转折点，这是很难识别的，我尝试了一种替代方法来恢复f(t)，而不仅仅是g的反函数和一些数据继续猜测：
我创建了一个模型函数fm(t)，它经历相同的已知传递函数g()，并将g(fm(t))拟合到数据。由于数据集很大，我对连续的数据块进行分段，以保证整个数据集的fm的连续性。
浏览 3提问于2012-07-05得票数 0
回答已采纳
1回答
我有一组数据，我想使用matlab中的曲线拟合工具箱来绘制数据的样条图。我所做的是：
x =
Columns 1 through 10
0 1.2500 1.8800 2.5000 5.0000 6.2500 6.8800 7.1900 7.5000 10.0000
Columns 11 through 13
12.5000 15.0000 20.0000
y =
Columns 1 through 10
-85.9300 -78.8200 -56.9500 -34.5600
浏览 1提问于2013-09-24得票数 0
例如，我有一个20 x 20的矩阵。在矩阵中，背景值约为1，信号值约为3.5。我添加了一个图像来表示矩阵数据：
我想通过曲面拟合来对每个点(x和y)进行曲面拟合。我这样做的方法是创建一个权重矩阵，对于任何小于分界值(例如1.1)的值，它的权重为1，而任何更大的值的权重为0。我使用以下代码创建了权重矩阵：
def Weight_Values_Excluded(data,cutoff_val=1.1):
data_mat=np.copy(data)
weight_mat=np.zeros(data_mat.shape)
mask=(data_mat<=cutof
浏览 18提问于2019-08-14得票数 0
回答已采纳
我正在尝试使用numpy包对一组数据进行多项式拟合。
以下是代码，它可以成功运行。当阶数达到20左右(非常高)时，拟合的线似乎符合数据。然而，在最后，它说"Polyfit可能是糟糕的条件“。
我该如何解决这个问题呢？
def gen_data_9(length=5000):
x = 2.0 * (np.random.rand(length) - 0.5) * np.pi * 2.0
f = lambda x: np.exp(-x**2) * (-x) * 5 + x / 3
y = f(x) + np.random.randn(len(x)) * 0.5
return x, y, f
浏览 2提问于2018-04-18得票数 7
1回答
我试图将模拟数据拟合成多项式。幸运的是，我确实知道确切的数据，并且我知道我的值一点也不差！然而，当试图将数据拟合成一个多项式函数时，使用mathematica，结果是完全不令人满意的。与确切数据相比，(减少的)数据：
A = {{1, 4.20109`*^7}, {1.2214`, 5.92216`*^7}, {1.49182`,
9.21732`*^7}, {1.82212`, 1.60874`*^8}, {2.22554`,
3.21498`*^8}, {2.71828`, 7.4201`*^8}, {3.32012`,
2.01259`*^9}, {4.05
浏览 1提问于2015-03-30得票数 2
回答已采纳
1回答
多头泵的反向输出
、、
我使用了numpy的多重拟合，并得到了一个非常好的拟合(使用七阶多项式)的两个数组，x和y。
y(x) = p[0]* x^7 + p[1]*x^6 + p[2]*x^5 + p[3]*x^4 + p[4]*x^3 + p[5]*x^2 + p[6]*x^1 + p[7]
其中p是多项式阵列的多拟合输出。
是否有一种方法可以很容易地逆转这个方法，所以我有一个解决方案，
x(y) = p[0]*y^n + p[1]*y^n-1 + .... + p[n]*y^0
浏览 2提问于2015-09-29得票数 3
回答已采纳
1回答
我有一组x和y数据，可以拟合成多项式曲线。有没有办法用Matlab (或Excel)来绘制这些数据，跟踪一个拟合它的多项式，并确定曲线最大峰值的(x，y)坐标；不是我插入的最大点，而是曲线本身的最高点。
我发现这段代码可以绘制数据并标记最大点和最小点，但它将最大和最小点从我插入的数据中绘制出来，而不是曲线本身的峰值。而且，它不跟踪多项式拟合。
x = [53, 62, 69, 71, 78, 89, 99, 106, 118, 133, 140, 151, 157, 164];
y = [211, 227, 233, 245, 262, 278, 283, 289, 282, 276, 268
浏览 6提问于2019-03-14得票数 2
1回答
假设我们有m数据点。
，，如果我们想使调整后的R^2值为1，那么多项式曲线拟合所需的度是多少？(理论上，它将是1，但实际上，由于舍入错误，它几乎等于1)。
选择数字的原因是什么？
8点(2 0 0 3 8 5 3 3 )示例如下所示，但您必须使用m数据点来回答。如果你使用8个数据点，你的分数就会降低。
浏览 3提问于2022-04-21得票数 0
1回答
水平方向的多拟合度
、、、
在我的项目中，对于我使用np.polyfit得到的一些点，我有一条最佳拟合直线。这样，我想要计算返回的最佳拟合线和地平线之间的度数。就好像最佳拟合线的第一个点在原点一样。我的一些误解来自于对polyfit返回的混淆。我怎样才能得到最好的角度？
浏览 9提问于2017-07-02得票数 0
回答已采纳
我的多项式回归使用状态模型公式不匹配nupy多拟合系数。
链接到数据
下面是我的代码
import numpy as np
import pandas as pd
import scipy
import statsmodels.formula.api as smf
data = pd.read_csv('sp500.csv')
data['Date_Ordinal'] = pd.to_datetime(data['Date']).apply(lambda date: date.toordinal())
x = data['Date_
浏览 5提问于2020-02-07得票数 1
回答已采纳
1回答
我的科学博览会项目是关于用神经网络代替多项式的曲线拟合。我知道在datascience中这是一个被广泛完成的过程，但我想做我自己的研究。目前最大的问题是训练时间，为了解决这个问题，我有了一个主意。如果我训练一个人工神经网络来预测最适合模型的多项式的程度，然后使用标准多项式回归来拟合曲线呢？这将使训练只进行一次，这样我就可以在我想训练的时间内训练，因此它将大大提高速度。这里面你有什么想法？以前有人这样做过吗？这可信吗？
浏览 0提问于2019-02-25得票数 1
回答已采纳
1回答
我正在尝试过滤数据，如第一张图片所示。有周期性发生的异常值。过滤这些异常值的最佳方法是什么？我想要一组数据，如第二张图片所示。
我的目标是在用多项式过滤后对这些数据进行拟合。
在python中有没有一种不费力就能做到这一点的方法？如果不是，给出一个正确算法的提示将是很好的。
带有标记的异常值的数据：
目标：
浏览 0提问于2016-01-06得票数 0
1回答
我有以下数据帧：
x y error_on_y
1 1.2 0.1
2 0.87 0.23
4 1.12 0.11
5 0.75 0.06
5 0.66 0.15
6 0.98 0.08
7 1.34 0.05
7 2.86 0.12
在这个框架中，我想使用np.polyfit来拟合回归线。我已经用以下方法拟合了这条线：
x = np.array(dataframe[
浏览 13提问于2018-07-19得票数 3
1回答
我正在处理stelar光线曲线(.fit-包含4000个数据点的时间与stelar brigthness数据点的文件，请参阅图中具有不同周期的几个示例)。我需要以一种允许我使用机器学习对它们执行无监督聚类的方式来表示/拟合这些光照曲线。有人建议我使用高阶次的多项式表示(p=30...up到几百)，或者在光照曲线上使用傅立叶变换。我发现具有高次p的numpy.polyfit的多项式拟合不能提供良好的拟合，我收到了一个警告"RankWarning:多项式拟合可能条件很差“。也许我应该试试傅立叶变换，但我不熟悉，而且听起来很复杂。
为了机器学习聚类，我如何/应该如何表示/拟合这些数据？我可以
浏览 5提问于2018-05-01得票数 0
1回答
我想把x^n-t曲线拟合成一些点。
我有一个数组x=np.array([-5,-4,-3,-2,-1,0,1,2,3,4,5])。我有我的a=np.array([a_1,a_2,...,a_n])所以a.shape=n。我要做的是拟合x点的曲线，如下：
a+a1*x+a2*x^2+...+an*x^n
所以我想这么做，如果n=2 plt.plot(x,a[0]+a[1]*x+a[2]*x**2)
有办法这样做吗？
我试着做
for i in range(n):
z=a[i]*x**i
plt.plot(x,z)
但这并不能还给我我想要的情节。
浏览 4提问于2022-02-16得票数 1
1回答
我将一个简单的二阶多项式拟合到以下形式的时间序列数据中：
polyfit <- lm(y ~ poly(x,2))
我希望从y= Ax^2 + Bx + C形式的拟合多项式中提取相应的系数(A、B和C)。我自然认为答案可以在polyfit对象中的polyfit$系数中找到，但这些系数并不正确。我尝试了一些非常简单的数据集，并与excel进行了比较，虽然R和excel中的多段曲线拟合是相同的，但从excel中获得的A、B和C系数是正确的，但从polyfit对象中获得的系数不是？我是否从polyfit对象中提取了错误的信息？对于我来说，直接从R中提取系数会更方便。有人能帮上忙吗？
浏览 1提问于2013-05-10得票数 1
我有两个向量x和y，我在matlab中通过平滑样条拟合对它们进行拟合。我得到了这个：
form: 'pp'
breaks: [15.5649 16.2041 17.0345 18.0489 20.1834 22.5540 24.5158 27.7881 32.5594 36.0827 40.5951]
coefs: [10x4 double]
pieces: 10
order: 4
dim: 1
我需要知道拟合的系数，以便重建拟合曲线。我如何才能获得此信息？
浏览 1提问于2016-03-14得票数 0
我有两个五阶多项式拟合，其中一个是导数。我想把这两个多项式除以，然后画出结果。从我所能做的唯一方法是使用“反求”函数，但是我如何绘制结果呢？还是有更简单的方法来做到这一点？
cdpdz=coeffvalues(fitresult{2});
%where pn are the coefficients of the first derivative of the fitted polynomial
pp=[p1,p2,p3,p4,p5,p6];
[divpp.r]=deconv(pp/cdpdz);
浏览 0提问于2014-04-10得票数 0
回答已采纳
我正在尝试创建一个多项式函数来拟合H列中的数据。I列是x值，J列是图表多项式趋势线显示的函数。那么为什么我的结果(见橙色线)不等于趋势线函数呢？这里发生了什么事？ ?
浏览 44提问于2019-06-01得票数 2
回答已采纳
1回答
如何在python中计算一条最佳拟合线，然后在matplotlib中将其绘制在散点图上？
我使用普通的最小二乘回归计算线性最佳拟合线，如下所示：
from sklearn import linear_model
clf = linear_model.LinearRegression()
x = [[t.x1,t.x2,t.x3,t.x4,t.x5] for t in self.trainingTexts]
y = [t.human_rating for t in self.trainingTexts]
clf.fit(x,y)
regress_coefs = clf.coef_
regress
浏览 674提问于2012-08-08得票数 21
回答已采纳
我用一个序数解释来拟合一个累积logit模型，我得到的系数如下：
coefficients(cum_mod_podds_ord,matrix=TRUE)
logit(P[Y>=2]) logit(P[Y>=3])
(Intercept) -0.4106068 -1.2504301
depr_ord.L 1.3749694 1.3749694
depr_ord.Q -0.1039784 -0.1039784
我想知道函数在变量名称后面放的L和Q代表什么。
提前谢谢你
浏览 4提问于2014-06-04得票数 1
回答已采纳
1回答
我想在我的模型中拟合正交多项式。到目前为止，我首先使用如下代码获得正交多项式: contr.poly(11)
然后，我为线性、二次等创建了一个新变量，然后可以将其包含在模型中: lm(y~x+p+p_linear，data=d，...)
有没有更快的方法在公式中拟合正交多项式？
例如: lm(y~x+p+I((p -mean(P)/sqrt(440)
我想分别拟合每个正交多项式项(首先是线性，然后是linear+quadratic，等等)
蒂娅。
更新：
data(mtcars)
mtcars$carb <- factor(mtcars$carb)
contrasts(mtcars$ca
浏览 2提问于2015-06-20得票数 0
1回答
我有以下数据： ? 看起来是二次的。如果我使用I()拟合一条二次曲线，我得到的系数是有意义的： > modelI = lm(
formula = Y ~ I(X^2) + I(X),
data = df
)
> modelI
Call:
lm(formula = Y ~ I(X^2) + I(X), data = df)
Coefficients:
(Intercept) I(X^2) I(X)
4.822e-02 -4.426e-05 3.229e-05 我在Excel中用同样的数据拟合
浏览 51提问于2021-09-06得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
