Tag: 曲线拟合

如何使用Python和Numpy来计算r-squared？

我使用Python和Numpy来计算任意度的最佳拟合多项式。 我传递一个x值，y值的列表，以及我想要拟合的多项式的次数（线性，二次等）。 这很有用，但我也想计算r（相关系数）和r-squared（决定系数）。 我将我的结果与Excel的最佳拟合趋势线能力及其计算的r平方值进行比较。 使用这个，我知道我正在为线性最佳拟合（度数等于1）正确计算r平方。 但是，我的函数不适用于度数大于1的多项式。 Excel能够做到这一点。 如何使用Numpy来计算高阶多项式的r-squared？ 这是我的function： import numpy # Polynomial Regression def polyfit(x, y, degree): results = {} coeffs = numpy.polyfit(x, y, degree) # Polynomial Coefficients results['polynomial'] = coeffs.tolist() correlation = numpy.corrcoef(x, y)[0,1] # r results['correlation'] = correlation # r-squared results['determination'] = correlation**2 return results

用matplotlib / numpy进行线性回归

我试图在已经生成的散点图上生成一个线性回归，但是我的数据是列表格式的，所有使用polyfit的例子都需要使用arange 。 arange不接受名单。 我已经search高低如何将列表转换为数组，并没有看起来清晰。 我错过了什么吗？ 接下来，如何最好地使用我的整数列表作为polyfitinput？ 这里是我所遵循的polyfit例子： from pylab import * x = arange(data) y = arange(data) m,b = polyfit(x, y, 1) plot(x, y, 'yo', x, m*x+b, '–k') show()

如何在R中对我的数据进行平滑曲线拟合？

我试图在R绘制一条平滑的曲线。 我有以下简单的玩具数据： > x [1] 1 2 3 4 5 6 7 8 9 10 > y [1] 2 4 6 8 7 12 14 16 18 20 现在，当我用一个标准的命令来绘制它时，它看起来是崎岖不平的， > plot(x,y, type='l', lwd=2, col='red') 我怎样才能使曲线平滑，使3个边缘使用估计值舍入？ 我知道有很多方法可以拟合平滑的曲线，但我不确定哪一种方法最适合这种types的曲线，以及如何将它写入R 。

将多项式模型拟合到R中的数据

我已经阅读了这个问题的答案，他们相当有帮助，但是我特别需要R的帮助。 我在R中有一个示例数据集，如下所示： x <- c(32,64,96,118,126,144,152.5,158) y <- c(99.5,104.8,108.5,100,86,64,35.3,15) 我想为这些数据拟合一个模型，使得y = f(x) 。 我希望它是一个三阶多项式模型。 我怎样才能在R？ 另外，R可以帮我find最合适的模型吗？

如何在Python中做指数和对数曲线拟合？ 我发现只有多项式拟合

我有一组数据，我想比较哪一行最好地描述它（不同阶的多项式，指数或对数）。 我使用Python和Numpy和多项式拟合有一个函数polyfit() 。 但是我没有发现这样的指数和对数拟合函数。 有没有？ 或者如何解决呢？

Android如何用手指画一条平滑线

http://marakana.com/tutorials/android/2d-graphics-example.html 我在下面使用这个例子。 但是当我在屏幕上移动我的手指时，线条变成了单独的点。 我不确定是否可以加快绘图速度。 或者我应该用直线连接两个最后的点。 这两个解决scheme中的第二个似乎是一个不错的select，除非移动手指的速度非常快，否则将会有很长的一段直线，然后是尖锐的曲线。 如果还有其他的解决scheme，听到他们会很高兴。 提前感谢您的帮助。

将密度曲线拟合到R中的直方图

R中是否有适合直方图曲线的函数？ 假设您有以下直方图 hist(c(rep(65, times=5), rep(25, times=5), rep(35, times=10), rep(45, times=4))) 这看起来很正常，但是是偏斜的。 我想拟合一个正常的曲线，这个曲线是偏斜的，绕着这个直方图。 这个问题是相当基本的，但我似乎无法在互联网上findR的答案。