Python 中的曲线拟合用于外推、回归分析
Curve Fitting in Python for extrapolation, Regression analysis
这个问题是关于 python 中的曲线拟合的。
首先，我想说我不知道要插入scipy库中的"curve_fit"函数的曲线拟合函数；因此，我正在尝试使用 polyfit，如果我对插值感兴趣，这是可以的，但我的目标是预测未来点的值，换句话说就是外推。
我附上了原始信号的屏幕截图，经过平滑处理及其 polyfit 结果。 它具有正确的多边形顺序，但外推时仍然失败。我的结论是 poly fit 在这里不是正确的方法，但我无法估计曲线函数。你有什么想法？
请注意，这不是分布，因为 y 值可能会无限缓慢地下降，甚至低于 0。
我会说该函数看起来像指数高斯函数，但它又不是分布，所以不想那样做。
我最后的想法是将图一分为二，第一个模型当然可以建模为多项式，第二个模型可以建模为指数。 （值与第一个 png 不同，因为它具有不同的信号）。
然后，也许将两者结合起来。你怎么看待这件事？
附件也是这个的截图。
由于许多曲线可以拟合数据并进行不同的推断，因此您需要选择正确的基函数以获得所需的行为。
到目前为止，您已经尝试过多项式，例如，这些趋向于 +- 无穷大，这可能不是您想要的。
我会尝试对 Hermite 多项式或 Laguerre 多项式求和使用 curve_fit。例如，对于拉盖尔多项式，您可以尝试
a + b*exp(-k x) + c*(1-x)*exp(-k x) + d*(x^2 - 4*x + 2)*exp(-k x) + ...
Python 有很多内置的便利功能，参见例如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 拟合到您的数据中，您可以使用 curve_fit。
这个问题是关于 python 中的曲线拟合的。
首先，我想说我不知道要插入scipy库中的"curve_fit"函数的曲线拟合函数；因此，我正在尝试使用 polyfit，如果我对插值感兴趣，这是可以的，但我的目标是预测未来点的值，换句话说就是外推。
我附上了原始信号的屏幕截图，经过平滑处理及其 polyfit 结果。
请注意，这不是分布，因为 y 值可能会无限缓慢地下降，甚至低于 0。
我会说该函数看起来像指数高斯函数，但它又不是分布，所以不想那样做。
我最后的想法是将图一分为二，第一个模型当然可以建模为多项式，第二个模型可以建模为指数。 （值与第一个 png 不同，因为它具有不同的信号）。
由于许多曲线可以拟合数据并进行不同的推断，因此您需要选择正确的基函数以获得所需的行为。
到目前为止，您已经尝试过多项式，例如，这些趋向于 +- 无穷大，这可能不是您想要的。
我会尝试对 Hermite 多项式或 Laguerre 多项式求和使用 curve_fit。例如，对于拉盖尔多项式，您可以尝试
a + b*exp(-k x) + c*(1-x)*exp(-k x) + d*(x^2 - 4*x + 2)*exp(-k x) + ...
Python 有很多内置的便利功能，参见例如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 拟合到您的数据中，您可以使用 curve_fit。