Python绘制具有固定终点的多项式

Question

我需要一个python解决方案来强制多项式在特定点结束。我已经阅读了这里提供的解决方案：How to do a polynomial fit with fixed points一个类似的问题，但是我无法让任何这些方法在我的数据集上工作，因为没有定义端点，而是多项式传递的位置。

因此，我需要一种解决方案来强制多项式曲线在特定位置结束。

为了把这个放在上下文中我需要它的例子如下图所示，我需要一条最适合下面数据的线，绿点表示原始数据，粉红点是平均值。每个x值的绿点。最佳拟合应该是三阶多项式，直到数据变为水平线性线。黑线是我目前尝试使用np.ployfit（）的最佳拟合线，我已经将多项式定义为仅绘制直到我将开始线性最佳拟合线的位置，但是你可以看到它的尾部多项式从远到低，因此我想强迫它结束/经过一个特定的点。

我愿意接受所有选择以获得一个很好的数学上最合适的选择，因为我已经对这个问题进行了长时间的反击。

Answer 1

使用逻辑sigmoid而不是多项式：

从一些样本数据点生成的公式和参数（取自图片）：

其中 S（x）是sigmoid function。

Answer 2

一种独特的方法，因为您似乎想要在水平维度中识别异常值。

按功率对数据进行分层，比如10千瓦的间隔，这样每个间隔都包含足够的数据。指出使用它们分散的一些稳健的估计。在每个层中丢弃上极端观察值，直到稳健估计值下降到稳定值。现在使用分层的最大值作为判断任何给定设备是否被视为“效率低下”的标准。