หากต้องการให้ช่องสี่เหลี่ยมน้อยที่สุดของชุด Hermite กับข้อมูล ให้ใช้เมธอด hermite.hermfit() ใน PythonNumpy วิธีนี้จะคืนค่าสัมประสิทธิ์เฮอร์ไมต์ที่เรียงลำดับจากต่ำไปสูง 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 ชุดจุดตัวอย่างหลายชุดที่ใช้พิกัด x เดียวกันสามารถ (อิสระ) พอดีกับ callto polyfit หนึ่งชุด โดยส่งอาร์เรย์ 2 มิติ y ที่มีชุดข้อมูลหนึ่งชุดต่อ คอลัมน์
พารามิเตอร์ deg คือดีกรีของพหุนามที่เหมาะสม ถ้าองศาเป็นจำนวนเต็มเดียว เงื่อนไขทั้งหมดไม่เกินและรวมถึงระยะองศาจะรวมอยู่ในพอดี พารามิเตอร์ rcond คือหมายเลขเงื่อนไขสัมพัทธ์ของความพอดี ค่าเอกพจน์ที่น้อยกว่า rcond เทียบกับค่าเอกพจน์ที่ใหญ่ที่สุดจะถูกละเว้น ค่าเริ่มต้นคือ len(x)*eps โดยที่ eps คือความแม่นยำสัมพัทธ์ของประเภทลอยตัวของแพลตฟอร์ม ในกรณีส่วนใหญ่ ประมาณ 2e-16
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 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) หากต้องการให้ช่องสี่เหลี่ยมน้อยที่สุดของชุด Hermite กับข้อมูล ให้ใช้เมธอด hermite.hermfit() ใน Pythonnumpy วิธีนี้จะคืนค่าสัมประสิทธิ์เฮอร์ไมต์ที่เรียงลำดับจากต่ำไปสูง ถ้า y เป็น 2 มิติ สัมประสิทธิ์ของข้อมูลในคอลัมน์ k ของ y จะอยู่ในคอลัมน์ k −
c, stats = H.hermfit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats) ตัวอย่าง
import numpy as np
from numpy.polynomial import hermite 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 series to data, use the hermite.hermfit() method in Python numpy
c, stats = H.hermfit(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... [-1.54632387 1.51958929 1.97346067 1.17759858 0.18851406 -0.43906085 -0.18878755 -0.25952276 -0.10422342 0.17851603 0.12145051 1.42408375 0.87115462 -1.03677161 1.01691995 0.45143153 -2.11382606 0.92466707 -0.04160743 0.9302213 1.19532222 1.69238045 1.63260027 -0.38037316 1.57013958 0.50920773 -0.19218013 -1.104298 0.10788693 0.68370213 0.7219109 1.28598447 -0.92218973 -0.11028072 -0.49917013 -1.44008132 -1.51616162 -0.80578712 1.47099231 -0.79775329 -1.0606385 -0.59517496 -0.32977967 1.04847432 -2.1621314 -0.40009103 -0.84519 0.06397194 -2.03655702 -0.28429534 0.47013787] Result... [-0.03198532 -0.0005095 -0.11666602 0.08302362] Result... [array([49.28934723]), 4, array([1.39825832, 1.20144978, 0.74600162, 0.21183404]), 1.1324274851176597e-14]
