python多变量非线性拟合_多自变量Python曲线拟合

拟合未知数量的参数

在本例中，我们尝试重现一些测量数据measData。

在本例中，measData由函数measuredData(x, a=.2, b=-2, c=-.8, d=.1)生成。我练习，我们可能以某种方式测量了measData，所以我们不知道数学上是如何描述的。因此适合。

我们用多项式拟合，多项式由函数polynomFit(inp, *args)描述。由于我们要尝试不同阶的多项式，所以在输入参数的数量上要灵活是很重要的。

自变量(在您的例子中是x和y)被编码在inp的“列/第二维度”。import numpy as np

import matplotlib

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

def measuredData(inp, a=.2, b=-2, c=-.8, d=.1):

x=inp[:,0]

y=inp[:,1]

return a+b*x+c*x**2+d*x**3 +y

def polynomFit(inp, *args):

x=inp[:,0]

y=inp[:,1]

res=0

for order in range(len(args)):

print(14,order,args[order],x)

res+=args[order] * x**order

return res +y

inpData=np.linspace(0,10,20).reshape(-1,2)

inpDataStr=['({:.1f},{:.1f})'.format(a,b) for a,b in inpData]

measData=measuredData(inpData)

fig, ax = plt.subplots()