用于外推、回归分析的Python曲线拟合

Question

这个问题是关于python中的曲线拟合。在

首先，我想说的是，我不知道要插入scipy库中“curve_fit”函数的曲线拟合函数；因此，我尝试使用polyfit，如果我对插值感兴趣，它是可以的，但我的目标是预测未来点的值，换句话说，外推。在

我附上了一个原始信号的屏幕截图，平滑和它的polyfit结果。的外推仍然失败。我的结论是多边形拟合不是正确的方法，但我不能估计曲线函数。你在想什么？在

请注意，这不是一个分布，因为y值可能会无限缓慢地减小，甚至低于0。在

我会说这个函数看起来像指数高斯函数，但它又不是一个分布，所以不想这样做。在

我最后的想法是把图分成两部分，第一个模型当然可以用多项式来建模，第二个模型可以用指数模型来表示。（值与第一个png不同，因为它是一个不同的信号）。 然后，把两者结合起来。你觉得怎么样？ 附件也是这个的截图。

Answer 1

由于许多曲线可以拟合数据并进行不同的外推，因此需要选择正确的基函数来获得所需的行为。在

例如，到目前为止，你已经尝试过多项式，但是它们趋向于+-无限，这可能不是你想要的。在

我会尝试使用曲线拟合来拟合Hermite多项式或Laguerre多项式的和。比如，拉盖尔多项式

a + b*exp(-k x) + c*(1-x)*exp(-k x) + d*(x^2 - 4*x + 2)*exp(-k x) + ...

Python为此内置了很多方便的函数，请参见https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.polynomials.laguerre.html

但是请注意，您还应该将k与您的数据相匹配，您可以使用curve_fit来实现。在