numpy.polynomial.hermite.Hermite.fit

原文:https://docs.scipy.org/doc/numpy/reference/generated/numpy.polynomial.hermite.Hermite.fit.html

译者:飞龙 UsyiyiCN

校对:(虚位以待)

Hermite.fit(x, y, deg, domain=None, rcond=None, full=False, w=None, window=None)[source]

最小二乘拟合数据。

返回与在x采样的数据y的最小二乘拟合的系列实例。返回的实例的域可以被指定,并且这将经常导致优越的适合,较少的病况调节的机会。

参数:

x:array_like,shape(M,)

M个采样点(x [i], y [i])的x坐标。

y:array_like,shape(M,)或(M,K)

y坐标。通过传递每列包含一个数据集的2D阵列,可以一次拟合共享相同x坐标的样本点的若干数据集。

deg:int或1-D array_like

拟合多项式的度(s)。如果deg是单个整数,则包括deg项的所有项包括在拟合中。对于Numpy版本> = 1.11,可以使用指定要包括的术语的度数的整数列表。

domain:{None,[beg,end],[]},可选

用于返回的系列的域。如果None,则选择覆盖点x的最小域。如果[]使用类域。默认值为NumPy 1.4中的类域和更高版本中的None在numpy 1.5.0中添加了[]选项。

rcond:float,可选

相对条件编号。相对于最大奇异值小于该值的奇异值将被忽略。默认值为len(x)* eps,其中eps是float类型的相对精度,在大多数情况下约为2e-16。

full:bool,可选

开关确定返回值的性质。当它为False(默认值)时,只返回系数,当来自奇异值分解的True诊断信息也返回时。

w:array_like,shape(M,),可选

重量。如果不是无,则每个点(x[i],y[i])对拟合的贡献由w [i]加权。理想地,选择权重使得乘积w[i]*y[i]的误差都具有相同的方差。默认值为“无”。

版本1.5.0中的新功能。

窗口:{[beg,end]},可选

用于返回系列的窗口。默认值为默认类域

版本1.6.0中的新功能。

返回:

new_series:series

表示最小二乘法拟合数据并具有调用中指定的域的系列。

[resid,rank,sv,rcond]:list

只有full = True时,才会返回这些值

resid – sum of squared residuals of the least squares fit rank – the numerical rank of the scaled Vandermonde matrix sv – singular values of the scaled Vandermonde matrix rcond – value of rcond.

有关详细信息,请参阅linalg.lstsq