Ajuste de curvas usando el método de mínimos cuadrados de python_numpy

Después de comprender los principios básicos del método de mínimos cuadrados, python_numpy tiene una comprensión práctica del método de mínimos cuadrados y puede utilizar el método de mínimos cuadrados para ajustar curvas.

Desde el resultados Se puede ver que el ajuste en línea recta no puede lograr buenos resultados en los datos ajustados. Introduzcamos el ajuste de curvas a continuación.

b=[y1]

[y2]

......

[y100]

Encuentre los coeficientes de la función de ajuste [a, b, c .... .d]

Código:

Según los resultados, podemos ver que el efecto de ajuste es bueno.

Podemos ajustar el efecto de ajuste cambiando

.

Si cambiamos la función de ajuste aquí a un polinomio de mayor orden x^20

el resultado es el siguiente:

Corregir el fenómeno de sobreajuste

Aumente el número de muestras manteniendo la función de ajuste como un polinomio de orden más alto x^20:

Según los resultados, se puede ver que el fenómeno de sobreajuste se ha mejorado.