python 拟合线，拟合函数

• • 拟合过程
  • 绘制散点图及拟合线
  • 评估指标R方

拟合过程

polyfit()函数可以使用最小二乘法将一些点拟合成一条曲线

numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)
# x:要拟合点的横坐标
# y:要拟合点的纵坐标
# deg:自由度.例如:自由度为2,那么拟合出来的曲线就是二次函数,自由度是3,拟合出来的曲线就是3次函数

numpy.poly1d(c_or_r, r=False, variable=None)

参数1：为一个数组，若没有参数2，则生成一个多项式，例如
　　p = np.poly1d([2,3,5,7])
　　print§ ==>>2×3 + 3×2 + 5x + 7 数组中的数值为coefficient（系数），从后往前 0，1，2.。。为位置书的次数
参数2：若参数2为True，则表示把数组中的值作为根，然后反推多项式，例如
　　q = np.poly1d([2,3,5],True)
　　print(q) ===>>(x – 2)(x – 3)(x – 5) = x3 – 10×2 + 31x -30
参数3：variable=‘z’表示改变未知数的字母，例如：
　q = np.poly1d([2,3,5],True,varibale = ‘z’)
　print(q) ===>>(z – 2)(z – 3)(z – 5) = z3 – 10z2 + 31z -30

使用poly1d()函数帮我们拼接方程

import numpy as np
parameter = np.polyfit(x, y, 3)  # 拟合3次方程的参数
p = np.poly1d(parameter)   # 组合 方程
y2 = p(x)  # 拟合后y值

绘制散点图及拟合线

plt.scatter(x, y)
plt.plot(x, y2, color='g')
plt.show()

评估指标R方

利用相关系数矩阵计算R方

correlation = np.corrcoef(y, y2)[0,1]  #相关系数
correlation**2   #R方

poly1d函数自带的输出结果

p = np.poly1d(parameter,variable='x')
print(p)

参考链接：
https://blog.csdn.net/fffsolomon/article/details/104831050
https://www.cnblogs.com/zhouzhe-blog/p/9621679.html