NUMPY POLYFIT ОБЪЯСНЕН ПРИМЕРАМИ

Привет гики и добро пожаловать в этой статье мы рассмотрим NumPy.полифит(). Наряду с этим, для общего лучшего понимания, мы рассмотрим его синтаксис и параметр. Затем мы увидим применение всей теоретической части на нескольких примерах. Но сначала попробуем получить краткое представление о функции через ее определение. Функция NumPy.polyfit() помогает нам найти полином наименьших квадратов. Это означает поиск наилучшей кривой соответствия заданному набору точек путем минимизации суммы квадратов. Он принимает 3 различных входных сигнала от пользователя, а именно X, Y и степень полинома. Здесь X и Y представляют значения, которые мы хотим поместить на 2 оси. Далее давайте рассмотрим его синтаксис.

СИНТАКСИС NUMPY POLYFIT()

numpy.polyfit(x, y, deg,,,,)

Выше приведен общий синтаксис нашей функции NumPy polyfit(). Он имеет 3 обязательных параметра, как обсуждалось выше, и 4 необязательных, влияющих на результат по-своему. Далее мы обсудим различные параметры, связанные с ним.

ПАРАМЕТРЫ NUMPY POLYFIT()

1. X:array_like

Он представляет собой набор точек, которые должны быть представлены вдоль оси X.

2. Y:array_like

Этот параметр представляет весь набор точек, которые должны быть представлены вдоль оси Y.

3. Deg: int

Этот параметр представляет степень полинома подгонки.

4. rcond: поплавок

Это необязательный параметр, который отвечает за определение относительного числового условия подгонки. Сингулярные значения, меньшие этого значения относительно наибольших сингулярных значений, игнорируются.

5.полный текст: книга

Это необязательный параметр, который переключает определяющий характер возвращаемого значения. По умолчанию значение равно false, из-за чего возвращаются только коэффициенты. Если значение задано равным true, то также возвращается сингулярное значение декомпозиции.

6.w:array_like

Этот необязательный параметр представляет веса, применяемые к координате y точек выборки.

7.Cov:bool или str

Этот необязательный параметр, если он задан и не ложен, возвращает не только массив, но и ковариационную матрицу.

ВЕРНУТЬ

P: ndarray

Сначала он возвращает полиномиальный коэффициент с наибольшей степенью.

остатки, ранг, rcond

Мы получим это только в том случае, если”. Остаток – это сумма квадратов остатков наименьшего квадрата подгонки.

V: ndarray

Мы получаем это только в том случае, если” и”. Наряду с этим мы получаем ковариационную матрицу оценки полиномиального коэффициента.

ПРИМЕРЫ NUMPY POLYFIT

Теперь давайте рассмотрим несколько примеров, которые помогут нам понять эту концепцию. Сначала мы начнем с элементарного примера, а далее рассмотрим некоторые сложные.

#input
import numpy as ppool
x=[1,2,3]
y=[3,45,5]
print(ppool.polyfit(x,y,2))

Выход:

[ -41.  165. -121.]

В приведенном выше примере мы видим NumPy.полифит(). Сначала мы импортировали NumPy. Двигаясь вперед, мы определили 2 массива X и Y. X здесь представляет все точки, которые мы хотим представить вдоль оси X, и аналогично для Y. Затем мы использовали наше определенное синтаксическое имя. polyfit(x,y, deg) и оператор печати для получения желаемого результата. В этом примере мы не использовали никаких дополнительных параметров.

Теперь рассмотрим более сложный пример.

#input
import numpy as ppool
x=[1,2,3]
y=[4,5,6]))

(array([-1.3260643e-15,  1.0000000e+00,  3.0000000e+00]), array([],), 3, array([1.67660833, 0.43259345, 0.04298142]), 6.661338147750939e-16)

В приведенном выше примере мы снова проделали те же шаги, что и в приведенном выше примере. Но на этот раз мы использовали необязательный href=”https://en.wikipedia.org/wiki/Variable”>переменная полная и определила ее как истинную. Разница может быть замечена на выходе, когда мы получаем остаток. href=”https://en.wikipedia.org/wiki/Variable”>переменная полная и определила ее как истинную. Разница может быть замечена на выходе, когда мы получаем остаток.

Теперь давайте рассмотрим еще один пример

#input
import numpy as ppool
x=[1,2,3]
y=[4,5,6]))

Выход:

(array([-1.3260643e-15,  1.0000000e+00,  3.0000000e+00]), array([],), 3, array([1.67660833, 0.43259345, 0.04298142]), 6.661338147750939e-16)

Аналогично приведенному выше примеру с той лишь разницей, что “cov.” Для этого примера мы добавили и уточнили. В результате чего на выходе мы получаем ковариационную матрицу.

ДОЛЖЕН ЧИТАТЬ

NUMPY INSERT В PYTHON С ПРИМЕРАМИ
Понимание Python Bubble Sort с примерами
Numpy Градиентный | спусковой оптимизатор нейронных сетей
Понимание функции Numpy mgrid() в Python
NumPy log Function() | Что такое Numpy log в Python

ЗАКЛЮЧЕНИЕ

В этой статье мы рассмотрели NumPy.полифит(). Кроме того, мы также рассмотрели его синтаксис и параметры. Для лучшего понимания мы рассмотрели несколько примеров. Мы варьировали синтаксис и рассматривали выходные данные для каждого случая. Надеюсь, эта статья смогла развеять все сомнения. Но если у вас есть какие-либо нерешенные вопросы, не стесняйтесь писать их ниже в разделе комментариев. Прочитав это, почему бы не прочитать NumPy digitize next.