对python实现二维函数高次拟合的示例详解_matlab非线性拟合

python

二维函数

40 浏览量更新于2023-05-11 评论 1 收藏 45KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

对对python实现二维函数高次拟合的示例详解实现二维函数高次拟合的示例详解

今天小编就为大家分享一篇对python实现二维函数高次拟合的示例详解，具有很好的参考价值，希望对大家有

所帮助。一起跟随小编过来看看吧

在参加“数据挖掘”比赛中遇到了关于函数高次拟合的问题，然后就整理了一下源码，以便后期的学习与改进。

在本次“数据挖掘”比赛中感觉收获最大的还是对于神经网络的认识，在接近一周的时间里，研究了进40种神经网络模型，虽然

在持续一周的挖掘比赛把自己折磨的惨不忍睹，但是收获颇丰。现在想想也挺欣慰自己在这段时间里接受新知识的能力。关于

神经网络方面的理解会在后续博文中补充（刚提交完论文，还没来得及整理），先分享一下高次拟合方面的知识。

# coding=utf-8

import matplotlib.pyplot as plt

import numpy as np

import scipy as sp

import csv

from scipy.stats import norm

from sklearn.pipeline import Pipeline

from sklearn.linear_model import LinearRegression

from sklearn.preprocessing import PolynomialFeatures

from sklearn import linear_model

''''' 数据导入 '''

def loadDataSet(fileName):

dataMat = []

labelMat = []

csvfile = file(fileName, 'rb')

reader = csv.reader(csvfile)

b = 0

for line in reader:

if line[50] is '':

b += 1

else:

dataMat.append(float(line[41])/100*20+30)

labelMat.append(float(line[25])*100)

csvfile.close()

print "absence time number: %d" % b

return dataMat,labelMat

xArr,yArr = loadDataSet('data.csv')

x = np.array(xArr)

y = np.array(yArr)

# x = np.arange(0, 1, 0.002)

# y = norm.rvs(0, size=500, scale=0.1)

# y = y + x ** 2

def rmse(y_test, y):

return sp.sqrt(sp.mean((y_test - y) ** 2))

def R2(y_test, y_true):

return 1 - ((y_test - y_true) ** 2).sum() / ((y_true - y_true.mean()) ** 2).sum()

def R22(y_test, y_true):

y_mean = np.array(y_true)

y_mean[:] = y_mean.mean()

return 1 - rmse(y_test, y_true) / rmse(y_mean, y_true)

plt.scatter(x, y, s=5)

#分别进行1,2,3,6次拟合

degree = [1, 2,3, 6]

y_test = []

y_test = np.array(y_test)

for d in degree:

#普通

# clf = Pipeline([('poly', PolynomialFeatures(degree=d)),

# ('linear', LinearRegression(fit_intercept=False))])

# clf.fit(x[:, np.newaxis], y)

# 岭回归

clf = Pipeline([('poly', PolynomialFeatures(degree=d)),

('linear', linear_model.Ridge())])

clf.fit(x[:, np.newaxis], y)

y_test = clf.predict(x[:, np.newaxis])

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

weixin_38691319

粉丝: 2
资源: 910

会员权益专享

对python实现二维函数高次拟合的示例详解

评论0

会员权益专享

最新资源

对python实现二维函数高次拟合的示例详解

评论0

Python 图像对比度增强的几种方法(小结)

Python实现多元线性回归方程梯度下降法与求函数极值

Python实现二维曲线拟合的方法

如何用Python实现二维函数取值

python对二维数据进行谐波拟合

python3层训练网络拟合二维函数

用python 实现二维傅里叶变换

python numpy二维数组面拟合

python实现三维点云椭圆拟合

已知二维点拟合直线python

用python 来实现三次函数拟合曲线算法来拟合轨道

python对二维数据进行二维高斯拟合

python拟合测试函数

如何利用python实现二次曲线拟合

用最小二乘法拟合求3次龙格函数曲线拟合的PYTHON实现

用python实现二维数组的三次卷积插值

python怎么实现概率密度函数拟合

python非线性函数的曲线拟合

python 拟合二维正态分布

用python不调用第三方库的情况下实现二维函数的差分算法

会员权益专享

最新资源