Question

我一直在使用numpy.polyfit函数进行预测。如果我放入1度，它可以工作，但我需要做二次多项式拟合。在某些情况下它可以工作，在其他情况下，预测图会下降然后永远上升。例如：

import matplotlib.pyplot as plt
from numpy import *

x=[1,2,3,4,5,6,7,8,9,10]
y=[100,85,72,66,52,48,39,33,29,32]
fit = polyfit(x, y, degree) 
fitfunction = poly1d(z4)
to_predict=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]

plt.plot(to_predict,fitfunction(to_predict))
plt.show()

运行之后，显示出来了（我尝试放一张照片但是stackoverflow不会让我）。

我想强迫它通过零。

我该怎么做？

Answer 1

如果你不需要使用原始最小二乘公式计算拟合误差（即最小化Σ| y _i - （ax _i ^{2 < / sup> + bx _i）| ²），您可以尝试执行y/x的线性拟合，因为（ ax ² + bx）/ x = ax + b。}

如果必须使用相同的误差度量，请直接构造系数矩阵并使用numpy.linalg.lstsq：

coeff = numpy.transpose([x*x, x])
((a, b), _, _, _) = numpy.linalg.lstsq(coeff, y)
polynomial = numpy.poly1d([a, b, 0])

（请注意，您提供的数据序列看起来不像是y截距为0的抛物线。）

Answer 2

如果有人必须在截止日期之前完成此操作，快速解决方案是在0处添加一堆额外的点来减少加权。我这样做了：

for i in range(0,100):
    x_vent.insert(i,0)
    y_vent.insert(i,0)         

slope_vent,intercept_vent=np.polyfit(x_vent,y_vent,1)

如何强制第二度的polyfit到0的截距

2 个答案: