python - 用 numpy 最小二乘法拟合线性表面

Question

所以我想求解方程 z= a + b*y +c*x,.得到 a,b,c。 即:使(平面)表面适合 3D 空间中的大量散点。

但我似乎找不到任何东西!我以为这么简单的问题会有一个简单的模块。

我试过了，其中x,y,z是数组；

ys=zip(x,y)
(coeffs, residuals, rank, sing_vals) = np.linalg.lstsq(ys,z)

我认为 coeffs = b,c 对吗？还是我完全走错了方向。我似乎找不到任何其他可以在 3d 中使用的东西...

Answer 1

我认为您走在正确的轨道上。您仍然可以尝试按照 scipy.linalg documentation 的示例进行操作，特别是求解最小二乘...` 部分

A = np.column_stack((np.ones(x.size), x, y))
c, resid,rank,sigma = np.linalg.lstsq(A,zi)

(我们为常量添加了一列 1)。