python找拟合函数 python拟合函数与函数的卷积( 二 )


在Python科学计算——如何构建模型?一文中,讨论了如何构建三角波模型 。在标准三角波波形的基础上添加了 横向,纵向的平移和伸缩特征参数  , 最后添加了 噪声参数 模拟了三角波幅度参差不齐的随机性特征 。但在波形拟合时,并不是所有的特征参数都要纳入考量,例如,噪声参数应是 波形生成系统 的固有特征,正因为它的存在使得产生的波形存在瑕疵,因此,在进行波形拟合并评估时,不应将噪声参数纳入考量,最终模型如下:
在调用 scipy.optimize.leastsq 函数时,需要构建误差函数:
有时候 , 为了使图片有更好的效果,需要对数据进行一些处理:
leastsq 调用方式如下:
合理的设置 p0 可以减少程序运行时间,因此,可以在运行一次程序后,用拟合后的相应数据对 p0 进行修正 。
在对波形进行拟合后,调用 pylab 对拟合前后的数据进行可视化:
均方根误差(root mean square error) 是一个很好的评判标准,它是观测值与真值偏差的平方和观测次数n比值的平方根 , 在实际测量中,观测次数n总是有限的,真值只能用最可信赖(最佳)值来代替.方根误差对一组测量中的特大或特小误差反映非常敏感,所以,均方根误差能够很好地反映出测量的精密度 。
RMSE 用程序实现如下:
拟合效果 , 模型参数输出:
leastsq 函数适用于任何波形的拟合 , 下面就来介绍一些常用的其他波形:
python找拟合函数的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于python拟合函数与函数的卷积、python找拟合函数的信息别忘了在本站进行查找喔 。

推荐阅读