使用 Numpy 和 Scipy 进行最小二乘多项式拟合

计算科学 优化 Python 回归 最小二乘
2021-11-30 14:56:54

我正在尝试使用 Python - Numpy 将数据拟合到多项式。这些点,上面画着线,如图所示

我正在尝试将这些点拟合为 4. 或 5. 度的多项式。然而,我所能得到的不过是一条线。非线性项的系数太小。我试图用 Numpy 和 Scipy 来做到这一点。在 Numpy 中,我使用了该polyfit函数并遵循了此链接中给出的示例,而在 Scipy 中使用了该optimization.curve_fit函数并遵循了下面评论中的页面。(我不能发布两个以上的链接!)。

我的问题是:为什么我要对这些数据进行线性拟合?我提供了足够高的数据(大约 70 分)。我怎样才能改善我的健康?

任何建议都非常感谢!

0个回答
没有发现任何回复~