หากต้องการให้ชุด Chebyshev มีขนาดพอดีน้อยที่สุดกับข้อมูล ให้ใช้ chebyshev.chebfit() ใน PythonNumpy วิธีการส่งคืนค่าสัมประสิทธิ์ Chebyshev 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 หากดีกรีเป็นจำนวนเต็มเดียว เงื่อนไขทั้งหมดและรวมถึงระยะองศาจะรวมอยู่ในความพอดี
พารามิเตอร์ rcond คือหมายเลขเงื่อนไขสัมพัทธ์ของความพอดี ค่าเอกพจน์ที่น้อยกว่า rcond เทียบกับค่าเอกพจน์ที่ใหญ่ที่สุด จะถูกละเว้น ค่าเริ่มต้นคือ len(x)*eps โดยที่ eps คือความแม่นยำเชิงสัมพันธ์ของประเภทโฟลตของแพลตฟอร์ม ประมาณ 2e-16 ในกรณีส่วนใหญ่ พารามิเตอร์เต็มคือสวิตช์ที่กำหนดลักษณะของค่าที่ส่งกลับ เมื่อเป็นเท็จ (ค่าเริ่มต้น) เพียงค่าสัมประสิทธิ์จะถูกส่งกลับ เมื่อเป็น 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 chebyshev as C
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) หากต้องการให้ชุด Chebyshev มีขนาดพอดีน้อยที่สุดกับข้อมูล ให้ใช้ chebyshev.chebfit() ใน PythonNumpy วิธีการส่งคืนค่าสัมประสิทธิ์ Chebyshev ที่เรียงลำดับจากต่ำไปสูง ถ้า y เป็น 2 มิติ สัมประสิทธิ์ของข้อมูลในคอลัมน์ k ของ y จะอยู่ในคอลัมน์ k −
c, stats = C.chebfit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats) ตัวอย่าง
import numpy as np
from numpy.polynomial import chebyshev as C
# 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 Chebyshev series to data, use the chebyshev.chebfit() in Python Numpy
c, stats = C.chebfit(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... [ 0.04578661 -0.41009751 -0.59839355 -0.86942574 1.19418042 -0.53671972 -0.71247683 0.7118818 -0.09274183 1.46114141 -0.40189463 -0.84017206 -1.00618725 -0.7191427 -0.48005631 -0.28661328 0.58161734 2.62382626 -0.56256678 0.92925678 1.68074305 0.97381262 1.22568804 1.71884192 1.03080843 0.55990935 0.29117168 -0.63718482 0.49396313 -0.32920431 1.16682261 0.90746863 -1.0058597 0.54972961 -1.06040041 -0.11828954 -0.51446299 -1.97932024 -0.91902371 -0.31859977 -1.16124938 0.31809796 0.54940462 -1.11008331 1.04918751 -2.60742632 -1.07242746 0.54313779 -0.3440979 -0.28234564 0.46429998] Result... [-0.12730537 -0.08699379 -0.4211565 0.32959334] Result... [array([43.34485511]), 4, array([1.20144978, 1.19227163, 0.76058422, 0.74600162]), 1.1324274851176597e-14]
