Как использовать функцию lesssq из scipy.optimize в python, чтобы поместить как прямую линию, так и квадратичную линию в наборы данных x и y

Метод lesssq () находит набор параметров, которые минимизируют функцию ошибки (разница между yExperimental и yFit). Я использовал кортеж для передачи параметров и лямбда-функций для линейных и квадратичных подгонок.

lesssq начинается с первого предположения (начальный набор параметров) и пытается минимизировать функцию ошибки. В конце, если lesssq преуспевает, он возвращает список параметров, которые наилучшим образом соответствуют данным. (Я напечатал его). Надеюсь, это с наилучшими пожеланиями

 from scipy.optimize import leastsq import numpy as np import matplotlib.pyplot as plt def main(): # data provided x=np.array([1.0,2.5,3.5,4.0,1.1,1.8,2.2,3.7]) y=np.array([6.008,15.722,27.130,33.772,5.257,9.549,11.098,28.828]) # here, create lambda functions for Line, Quadratic fit # tpl is a tuple that contains the parameters of the fit funcLine=lambda tpl,x : tpl[0]*x+tpl[1] funcQuad=lambda tpl,x : tpl[0]*x**2+tpl[1]*x+tpl[2] # func is going to be a placeholder for funcLine,funcQuad or whatever # function we would like to fit func=funcLine # ErrorFunc is the diference between the func and the y "experimental" data ErrorFunc=lambda tpl,x,y: func(tpl,x)-y #tplInitial contains the "first guess" of the parameters tplInitial1=(1.0,2.0) # leastsq finds the set of parameters in the tuple tpl that minimizes # ErrorFunc=yfit-yExperimental tplFinal1,success=leastsq(ErrorFunc,tplInitial1[:],args=(x,y)) print " linear fit ",tplFinal1 xx1=np.linspace(x.min(),x.max(),50) yy1=func(tplFinal1,xx1) #------------------------------------------------ # now the quadratic fit #------------------------------------------------- func=funcQuad tplInitial2=(1.0,2.0,3.0) tplFinal2,success=leastsq(ErrorFunc,tplInitial2[:],args=(x,y)) print "quadratic fit" ,tplFinal2 xx2=xx1 yy2=func(tplFinal2,xx2) plt.plot(xx1,yy1,'r-',x,y,'bo',xx2,yy2,'g-') plt.show() if __name__=="__main__": main()