gpt4 book ai didi

python - 如何最小化 3 次线性拟合的卡方

转载 作者:太空宇宙 更新时间:2023-11-04 05:35:36 25 4
gpt4 key购买 nike

from numpy import *
import matplotlib.pyplot as plt
import numpy as np

# This is my data set
x = [15, 30, 45, 60, 75, 90, 105, 120, 135, 150, 165, 180, 195, 210, 225, 240]
y = [1, 0.9, 0.8, 0.7, 0.6, 0.55, 0.5, 0.45, 0.4, 0.35, 0.33, 0.31, 0.29, 0.27, 0.25, 0.23]

我想向这个数据集添加 3 个线性回归。通过使用 pyplot 绘制我的数据集,我可以直观地看到扭结开始形成的位置(大约在 x = 105 和 x = 165 处)。因此我可以创建 3 个线性回归(从 x 为 0 到 105、105 到 165 以及 165 到 240)。但我将如何科学地做到这一点?换句话说,我想向我的数据添加 3 个线性回归,以最小化卡方。有没有办法用代码来完成这个?

最佳答案

您可以在下面找到使用 scipy.stats.linregress 的自动化过程的代码和输出;解释可以在代码下面找到。输出如下所示:

enter image description here

斜率和截距项是:

  • 曲线 1:-0.0066 * x + 1.10
  • 曲线 2:-0.0033 * x + 0.85
  • 曲线 3:-0.0013 * x + 0.55

代码如下:

from scipy import stats
import matplotlib.pyplot as plt
import numpy as np

x = np.array([15, 30, 45, 60, 75, 90, 105, 120, 135, 150, 165, 180, 195, 210, 225, 240])
y = np.array([1, 0.9, 0.8, 0.7, 0.6, 0.55, 0.5, 0.45, 0.4, 0.35, 0.33, 0.31, 0.29, 0.27, 0.25, 0.23])

# get slope of your data
dif = np.diff(y) / np.diff(x)

# determine the change of the slope
difdif = np.diff(dif)

# define a threshold for the allowed change of the slope
threshold = 0.001

# get indices where the diff returns value larger than a threshold
indNZ = np.where(abs(difdif) > threshold)[0]

# this makes plotting easier and avoids a couple of if clauses
indNZ += 1
indNZ = np.append(indNZ, len(x))
indNZ = np.insert(indNZ, 0, 0)

# plot the data
plt.scatter(x, y)

for indi, ind in enumerate(indNZ):

if ind < len(x):
slope, intercept, r_value, p_value, std_err = stats.linregress(x[ind:indNZ[indi+1]], y[ind:indNZ[indi+1]])
plt.plot(x[ind:indNZ[indi+1]], slope * x[ind:indNZ[indi+1]] + intercept)

plt.show()

首先,可以使用 np.diff 计算斜率。对斜率应用 np.diff 可以得到斜率显着变化的点;在上面的代码中,我为此使用了一个阈值(如果你总是处理完美的线条,那么这个值可以设置为一个非常小的值;如果你有嘈杂的数据,你将不得不调整这个值)。

有了斜率显着变化的指数,就可以在各个部分进行线性回归并相应地绘制结果。

更详细的for循环:

indNZ

array([ 0,  4,  9, 16])

这给了你三行的间隔。所以蓝线对应于 x[0]x[3] 的部分,绿线对应于 x[4] 的部分> 到 x[8] 和红线到从 x[9]x[15] 的部分。在 for 循环中,选择这些范围,使用 scipy.stats.linregress 完成线性拟合(如果您更喜欢,也可以用 polyfit 代替)然后使用方程 slope * x + intercept 绘制直线。

关于python - 如何最小化 3 次线性拟合的卡方,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35710041/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com