python 多项式曲线フィッティング

Posted 2021-05-10

#coding:utf-8
import numpy as np
from pylab import *

# 訓練データの数
N = 10

# N個の訓練データを生成
xlist = np.linspace(0, 1, N)     # 0から1の間から均等にN点を抽出
tlist = np.sin(2 * np.pi * xlist) + np.random.normal(0, 0.2, xlist.size)  # sinにN(0, 0.2)の乱数を加える

# オリジナルのsin用データ
xs = np.linspace(0, 1, 1000)    # sinは連続関数なのでxを細かくとる
ideal = np.sin(2 * np.pi * xs)  # xsに対応するsinを求める

# 訓練データとオリジナルのsinデータをプロット
plot(xlist, tlist, 'bo')        # 訓練データを青い（b）の点（o）で描画
plot(xs, ideal, 'g-')           # sin曲線を緑（g）の線（-）で描画
xlim(0.0, 1.0)                  # X軸の範囲
ylim(-1.5, 1.5)                 # Y軸の範囲
show()                          # グラフを表示

# 訓練データからパラメータを推定
def estimate(xlist, tlist, lam):
    # M次多項式のときはM+1個のパラメータがある
    A = []
    for i in range(M+1):
        for j in range(M+1):
            temp = (xlist**(i+j)).sum()
            if i == j: temp += lam  # 対角成分にλを足します
            A.append(temp)
    A = array(A).reshape(M+1, M+1)
    ...

def example1():
    ...
    wlist = estimate(xlist, tlist, np.exp(-18.0))
    ...

# M次多項式近似
M = 3
def y(x, wlist):
    ret = wlist[0]
    for i in range(1, M+1):
        ret += wlist[i] * (x ** i)
    return ret

# 訓練データからパラメータを推定
def estimate(xlist, tlist):
    # M次多項式のときはM+1個のパラメータがある
    A = []
    for i in range(M+1):
        for j in range(M+1):
            temp = (xlist**(i+j)).sum()
            A.append(temp)
    A = array(A).reshape(M+1, M+1)

    T = []
    for i in range(M+1):
        T.append(((xlist**i) * tlist).sum())
    T = array(T)
    
    # パラメータwは線形連立方程式の解
    wlist = np.linalg.solve(A, T)
    
    return wlist

#coding:utf-8
import numpy as np
import sys
from pylab import *

# M次多項式近似
M = 3
def y(x, wlist):
    ret = wlist[0]
    for i in range(1, M+1):
        ret += wlist[i] * (x ** i)
    return ret

# 訓練データからパラメータを推定
def estimate(xlist, tlist):
    # M次多項式のときはM+1個のパラメータがある
    A = []
    for i in range(M+1):
        for j in range(M+1):
            temp = (xlist**(i+j)).sum()
            A.append(temp)
    A = array(A).reshape(M+1, M+1)

    T = []
    for i in range(M+1):
        T.append(((xlist**i) * tlist).sum())
    T = array(T)
    
    # パラメータwは線形連立方程式の解
    wlist = np.linalg.solve(A, T)
    
    return wlist

def example1():
    # 訓練データ
    # sin(2*pi*x)の関数値にガウス分布に従う小さなランダムノイズを加える
    xlist = np.linspace(0, 1, 10)
    tlist = np.sin(2*np.pi*xlist) + np.random.normal(0, 0.2, xlist.size)
    
    # 訓練データからパラメータを推定
    wlist = estimate(xlist, tlist)
    print wlist
    
    # 連続関数のプロット用X値
    xs = np.linspace(0, 1, 500)
    ideal = np.sin(2*np.pi*xs)         # 理想曲線
    model = [y(x, wlist) for x in xs]  # 推定モデル
    
    plot(xlist, tlist, 'bo')  # 訓練データ
    plot(xs, ideal, 'g-')     # 理想曲線
    plot(xs, model, 'r-')     # 推定モデル
    xlim(0.0, 1.0)
    ylim(-1.5, 1.5)
    show()

if __name__ == "__main__":
    example1()