python实现一维离散数据的20阶多项式拟合

可以使用numpy库中的polyfit函数来进行一维离散数据的多项式拟合。下面是一个实现20阶多项式拟合的例子：

import numpy as np
import matplotlib.pyplot as plt

# 生成一维离散数据
x = np.linspace(-10, 10, num=101)
y = 1 / (1 + np.exp(-x)) + np.random.normal(scale=0.05, size=x.shape)

# 进行20阶多项式拟合
coeffs = np.polyfit(x, y, deg=20)

# 生成拟合曲线上的点
xfit = np.linspace(-10, 10, num=1001)
yfit = np.polyval(coeffs, xfit)

# 绘制原始数据和拟合曲线
plt.plot(x, y, '.', label='data')
plt.plot(xfit, yfit, '-', label='fit')
plt.legend()
plt.show()

输出的图像中蓝色的点表示原始数据，红色的线表示拟合曲线。


其中，`np.polyfit()`函数的第三个参数`deg`表示多项式的阶数，这里设置为20。需要注意的是，多项式阶数过高会导致过拟合的问题，因此在实际应用中需要根据实际情况选择合适的阶数。