python拟合曲线误差分析,matlab非线性最小二乘法拟合曲线方程

　　如下所示：

　　从数字导入*

　　汇入数组为铭牌

　　将matplotlib.pyplot输入为血小板计数

　　plt.close()

　　图=plt.figure()

　　plt.grid(真)

　　平面轴([0，10，0，8])

　　#列出数据

　　项目=[[1,2],[2,3],[3,6],[4,7],[6,5],[7,3],[8,2]]

　　plt.xlabel(X ).

　　plt.ylabel(Y )

　　#用于求出矩阵中各点的值

　　XSum=0.0

　　X2Sum=0.0

　　X3Sum=0.0

　　X4Sum=0.0

　　ISum=0.0

　　YSum=0.0

　　XYSum=0.0

　　X2YSum=0.0

　　#列出各点的位置

　　对于范围(0，len(点)):

　　Xi=点[i][0]

　　易=点[i][1]

　　plt.scatter(，yi，color=red )

　　show _ point=( str(Xi) str(易))

　　plt.text(、易、show_point)

　　XSum=XSum xi

　　X2Sum=X2Sum xi**2

　　X3Sum=X3Sum xi**3

　　X4Sum=X4Sum xi**4

　　ISum=ISum 1

　　易

　　xy sum=xy sum Xi *易

　　x2 ysum=x2 ysum Xi * * 2 *易

　　#年进行矩阵运算

　　# _mat1设为马特一号的逆矩阵

　　m1=[[ISum，XSum，X2Sum]，[XSum，X2Sum，X3Sum]，[X2Sum，X3Sum，X4Sum]]

　　mat1=np.matrix(m1)

　　m2=[[YSum]、[XYSum]、[X2YSum]]

　　mat2=np.matrix(m2)

　　_mat1=mat1.getI()

　　mat3=_mat1*mat2

　　#年#月#日用列表(列表)来提取矩阵数据

　　m3=mat3.tolist()

　　a=m3[0][0]

　　b=m3[1][0]

　　c=m3[2][0]

　　#年#月#日绘制回归线

　　x=NP。林空间(0.10)

　　y=a b*x c*x**2

　　plt.plot(x，y)

　　show _ line= y= str(a)( str(b) x ( str(c) x2 )；

　　工厂名称(显示线)

　　plt.show()

　　以上这篇python(python语言)实现二维曲线拟合的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。