用scipy将函数与数据拟合的框架
scikits.fitting的Python项目详细描述
安装SCIKIT
用scipy将函数与数据拟合的框架,它将各种 可用的插值方法,并为它们提供基于 关于以下简单方法:
- Fitter.__init__(p):设置插值函数的参数,例如多项式次数
- Fitter.fit(x, y):适合给定的输入输出数据
- Fitter.__call__(x)或Fitter.eval(x):对新输入数据计算函数
每个插值程序分为两类:散点拟合或 网格拟合。它们共享相同的接口,只是定义不同 输入数据的x。
分散装配工操作非结构化分散输入数据(即不在 网格)。输入数据由一个x坐标序列和一个序列组成 对应的y数据,其中x坐标的顺序不是 物质和它们的位置可以是任意的。x坐标可以有 任意维(尽管大多数类都是一维或二维的 数据)。如果尺寸大于1,则坐标作为 列向量数组。这些fitters有ScatterFit作为基类。
网格装配人员对网格上的输入数据进行操作。输入数据包括 序列的x轴蜱序列和相应的^ {TT7}$数组 数据。这些fitters有GridFit作为基类。
模块的组织如下:
散件装配工
- ScatterFit:分散装配工的抽象基类
- LinearLeastSquaresFit:使用svd将线性回归模型拟合到数据中
- Polynomial1DFit:将多项式拟合到一维数据
- Polynomial2DFit:将多项式拟合到二维数据
- PiecewisePolynomial1DFit:将分段多项式拟合到一维数据
- ^ TT18}$:沿给定轴< /Li插值n维矩阵
- Delaunay2DScatterFit:插值二维数据的标量函数,基于 delaunay三角剖分和三次/线性插值
- NonLinearLeastSquaresFit:根据 非线性最小二乘优化
- GaussianFit:将高斯曲线拟合到多维数据
- Spline1DFit:将b样条拟合到一维数据
- Spline2DScatterFit:将b样条拟合到分散的二维数据
- RbfScatterFit:做径向基函数(rbf)插值
网格装配工
- GridFit:网格装配工的抽象基类
- Spline2DGridFit:将b样条拟合到矩形网格上的二维数据
帮助函数
- squash:展平数组,但不一定一直到一维数组
- unsquash:还原由squash 重塑的数组
- sort_grid:确保矩形网格的坐标在 升序
- desort_grid:撤消sort_grid 的效果
- vectorize_fit_func:创建矢量化版本的工厂 要安装到数据的函数
- randomise:通过对残差重新采样,随机化拟合函数参数
接触
ludwig schwardt<;ska.ac.za的ludwig>;
历史记录
0.7(2018-09-20)
- python 3支持
- 清理测试和更多薄片8(线条长度)
0.6(2016-12-05)
- 修复pip安装、清理安装过程、flake8和添加自述文件
- 分段多项式1dfit已更新,可与scipy 0.18.0配合使用
- delaunay2dscatterfit现在基于scipy.interpolate.griddata,它是 数量级更快、更稳健、更平滑。它的违约 插值已从“nn”更改(自然邻域-不再可用) 到“立方”。
- delaunay2dgridfit已删除,因为不再有等效项
0.5.1(2012-10-29)
- 为np.linalg.linalgerror使用正确的名称
0.5(2011-09-26)
- 初始IAL发布scikits.fitting