ในการรับค่ากำลังสองน้อยที่สุดของชุด Hermite_e กับข้อมูล ให้ใช้เมธอด hermite_e.hermfit() ในPython numpy เมธอดส่งคืนค่าสัมประสิทธิ์ Hermite_e ที่เรียงลำดับจากต่ำไปสูง ถ้า y เป็น 2 มิติ สัมประสิทธิ์ของข้อมูลในคอลัมน์ k ของ y จะอยู่ในคอลัมน์ k พารามิเตอร์ x คือพิกัด x ของจุดตัวอย่าง (ข้อมูล) M (x[i], y[i])
พารามิเตอร์ y คือพิกัด y ของจุดตัวอย่าง จุดตัวอย่างหลายชุดที่แบ่งปันพิกัด x เดียวกันสามารถ (แยกกันได้) กับการเรียก polyfit หนึ่งครั้งโดยส่งต่อให้ 2-Darray ที่มีชุดข้อมูลหนึ่งชุดต่อคอลัมน์ พารามิเตอร์ deg คือดีกรีของพหุนามที่เหมาะสม ถ้าองศาเป็นจำนวนเต็มเดียวเงื่อนไขทั้งหมดและรวมถึงระยะองศาจะรวมอยู่ในพอดี พารามิเตอร์ rcond คือหมายเลขเงื่อนไขสัมพัทธ์ของความพอดี ค่าเอกพจน์ที่น้อยกว่า thanrcond ซึ่งสัมพันธ์กับค่าเอกพจน์ที่ใหญ่ที่สุดจะถูกละเว้น ค่าเริ่มต้นคือ len(x)*eps โดยส่วนใหญ่คือความแม่นยำสัมพัทธ์ของประเภทโฟลตของแพลตฟอร์ม ประมาณ 2e-16 ในกรณีส่วนใหญ่
พารามิเตอร์เต็มคือสวิตช์ที่กำหนดลักษณะของค่าตอบแทน เมื่อเป็นเท็จ (ค่าเริ่มต้น) เพียงค่าสัมประสิทธิ์จะถูกส่งกลับ เมื่อ True ข้อมูลการวินิจฉัยจากการสลายตัวของค่าเอกพจน์ก็ถูกส่งกลับเช่นกัน พารามิเตอร์ w คือน้ำหนัก ถ้าไม่ใช่ ไม่มี น้ำหนัก w[i] ใช้กับเศษเหลือที่ไม่ยกกำลังสอง y[i] - y_hat[i] ที่ x[i] ตามหลักการแล้ว ตุ้มน้ำหนักจะถูกเลือกเพื่อให้ข้อผิดพลาดของผลิตภัณฑ์ w[i]*y[i] ทั้งหมดมีความแปรปรวนเท่ากัน เมื่อใช้การถ่วงน้ำหนักแบบผกผัน ให้ใช้ w[i] =1/sigma(y[i]) ค่าเริ่มต้นคือไม่มี
ขั้นตอน
ขั้นแรก นำเข้าไลบรารีที่จำเป็น -
import numpy as np from numpy.polynomial import hermite_e as H
พิกัด x -
x = np.linspace(-1,1,51)
แสดงพิกัด x -
print("X Co-ordinate...\n",x) พิกัด y -
y = x**3 - x + np.random.randn(len(x))
print("\nY Co-ordinate...\n",y) หากต้องการให้กำลังสองน้อยที่สุดของชุด Hermite_e กับข้อมูล ให้ใช้เมธอด hermite_e.hermfit() ในPython -
c, stats = H.hermefit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats) ตัวอย่าง
import numpy as np
from numpy.polynomial import hermite_e as H
# The x-coordinate
x = np.linspace(-1,1,51)
# Display the x-coordinate
print("X Co-ordinate...\n",x)
# The y-coordinate
y = x**3 - x + np.random.randn(len(x))
print("\nY Co-ordinate...\n",y)
# To get the Least squares fit of Hermite_e series to data, use the hermite_e.hermfit() method in Python numpy
c, stats = H.hermefit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats) ผลลัพธ์
X Co-ordinate...
[-1. -0.96 -0.92 -0.88 -0.84 -0.8 -0.76 -0.72 -0.68 -0.64 -0.6 -0.56
-0.52 -0.48 -0.44 -0.4 -0.36 -0.32 -0.28 -0.24 -0.2 -0.16 -0.12 -0.08
-0.04 0. 0.04 0.08 0.12 0.16 0.2 0.24 0.28 0.32 0.36 0.4
0.44 0.48 0.52 0.56 0.6 0.64 0.68 0.72 0.76 0.8 0.84 0.88
0.92 0.96 1. ]
Y Co-ordinate...
[-0.54079609 -1.17586687 -0.81506394 0.8047718 -1.21403444 -1.09247646
-0.88942226 -0.62335081 0.83995142 0.29147171 2.45859847 -0.37545462
0.90161986 -0.7125131 -0.82978518 0.25422338 0.62073702 -1.43305948
0.96436296 0.03069738 -1.07349677 0.55233582 1.23286374 0.37330458
0.27239629 0.46859691 -0.1074476 1.19279741 0.15844038 -0.20424904
-1.41467693 -0.79396457 -2.38068246 -1.24121297 -0.7877071 -1.09171002
1.0806185 -0.94389035 -2.16201749 0.21671724 -1.15596405 0.57090598
-0.52496753 -0.20358065 -3.72121093 1.39868958 -0.02626711 -1.51582035
-0.12223608 -0.58368042 0.69138128]
Result...
[-0.54892802 4.71593168 -0.40858959 2.08689429]
Result...
[array([51.90771673]), 4, array([1.41192215, 1.37967947, 0.31061966, 0.08047256]), 1.1324274851176597e-14] 