这种算法被称之为 最小二乘拟合(least-square fitting) 。scipy 中的子函数库 optimize 已经提供实现最小二乘拟合算法的函数leastsq。下面是 leastsq 函数导入的方式：
scipy.optimize.leastsq 使用方法
在Python科学计算——Numpy.genfromtxt一文中，使用numpy.genfromtxt对数字示波器采集的三角波数据导入进行了介绍，今天，就以4GHz三角波波形的拟合为案例介绍任意波形的拟合方法 。
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：
关于python函数拟合误差和python拟合曲线误差分析的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息 ， 记得收藏关注本站 。
推荐阅读
- 怎么样把电脑上的文件考到u盘上，怎么样将电脑里文件考到优盘里
- html5中如何让表格居下方的简单介绍
- 像仙剑的单机游戏，类似仙剑的单机电脑游戏
- 怎么查公众号粉丝排行，如何查公众号粉丝数
- mysql弱口令怎么解决 mysql 弱口令扫描原理
- flutter几种线程，flutter sms
- 棋牌游戏用什么软件打开的简单介绍
- 视频号直播怎么贴纸，视频号直播贴图
- vb.net图形按钮 vb怎么画命令按钮