我使用 numpy.polyfit 将二阶多项式拟合到一组数据
fit1, fit_err1, _, _, _ = np.polyfit(xint[:index_max],
yint[:index_max],
2、
全=真)
对于我的一些数据示例，虽然拟合成功，但变量 fit_err1 为空，即 fit1 不为空!
在这种情况下，有人知道空残差是什么意思吗？谢谢!
编辑: 一个示例数据集:
x = [-488., -478., -473.]
y = [ 0.02080881, 0.03233648, 0.03584448]
fit1, fit_err1, _, _, _ = np.polyfit(x, y, 2, full=True)
结果:
fit1 = [ -3.00778818e-05 -2.79024663e-02 -6.43272769e+00]
fit_err1 = []
我知道将二阶多项式拟合到一组三点不是很有用，但我仍然希望该函数发出警告，或者(因为它实际上确定了拟合)返回实际残差，或者两者(比如“这是残差，但你的条件很差!”)。
最佳答案
正如@Jaime 所指出的，如果您有三个点，则二阶多项式将完全适合它。你认为错误应该是 0 而不是空数组的观点是有道理的，但这是 np.linalg.lstsq 的当前行为，which is where np.polyfit is wrapped around .
我们可以通过最小二乘法拟合 y = a*x**0 + b*x**1 + c*x**2 方程来测试这种行为答案应该是a=0, b=0, c=1:
np.linalg.lstsq([[1, 1 ,1], [1, 2, 4], [1, 3, 9]], [1, 4, 9])
#(array([ -3.43396424e-15, 3.88578059e-15, 1.00000000e+00]),
# array([], dtype=float64),
# 3,
# array([ 10.64956309, 1.2507034 , 0.15015641]))
我们可以看到第二个输出是一个空数组。和 this is intended to work like this .
关于python - numpy.polyfit 给出空残差数组，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26429409/