我需要进行如下线性拟合:
Y=a*X+b
我需要找到符合实验数据的a和b的值 我首先想到的是使用 polyfit 函数, 但问题是在我的数据中,X 是一个有 3 个条目的向量,
这是我的代码:
p_0=np.array([10,10,10])
p_1=np.array([100,10,10])
p_2=np.array([10,100,10])
p_3=np.array([10,10,100])
# Experimental data:
x=np.array([p_0,p_1,p_2,p_3])
y=np.array([35,60,75,65])
a=np.polyfit(x, y,1)
print(a)
我期待打印一个列表列表,其中包含矩阵和矩阵 b ...但我得到了 TypeError("expected 1D vector for x")
有没有办法用 numpy 或其他库来做到这一点?
最佳答案
sklearn 可用于此目的:
import numpy as np
from sklearn.linear_model import LinearRegression
model = LinearRegression()
p_0=np.array([10,10,10])
p_1=np.array([100,10,10])
p_2=np.array([10,100,10])
p_3=np.array([10,10,100])
# Experimental data:
x=np.array([p_0,p_1,p_2,p_3])
y=np.array([35,60,75,65])
model.fit(X=x, y=y)
print("coeff: ", *model.coef_)
print("intercept: ", model.intercept_)
输出:
coeff: 0.27777777777777785 0.44444444444444464 0.33333333333333337
intercept: 24.444444444444436
sklearn 包的其他一些不错的功能:
model.fit(x,y) # 1.0
model.rank_ # 3
model.predict([[1,2,3]]) # array([26.61111111])
关于python-3.x - 如何进行线性拟合,其中我的变量 X 是 3d 向量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65376864/