Чтобы соответствовать кривой на множестве точек, мы можем использовать регрессию ordinary least-squares. В MathWorks описывается процесс solution page.
В качестве примера, давайте начнем с некоторыми случайными данными:
% some 3d points
data = mvnrnd([0 0 0], [1 -0.5 0.8; -0.5 1.1 0; 0.8 0 1], 50);
Как @BasSwinckels показал, построив нужный design matrix, вы можете использовать mldivide
или pinv
к solve the overdetermined system выражается в Ax=b
:
% best-fit plane
C = [data(:,1) data(:,2) ones(size(data,1),1)] \ data(:,3); % coefficients
% evaluate it on a regular grid covering the domain of the data
[xx,yy] = meshgrid(-3:.5:3, -3:.5:3);
zz = C(1)*xx + C(2)*yy + C(3);
% or expressed using matrix/vector product
%zz = reshape([xx(:) yy(:) ones(numel(xx),1)] * C, size(xx));
Затем мы визуализируем результат:
% plot points and surface
figure('Renderer','opengl')
line(data(:,1), data(:,2), data(:,3), 'LineStyle','none', ...
'Marker','.', 'MarkerSize',25, 'Color','r')
surface(xx, yy, zz, ...
'FaceColor','interp', 'EdgeColor','b', 'FaceAlpha',0.2)
grid on; axis tight equal;
view(9,9);
xlabel x; ylabel y; zlabel z;
colormap(cool(64))
![1st_order_polynomial](https://i.stack.imgur.com/81drU.png)
Как упоминались выше, мы можем получить полиномиальную подгонку высшего порядка, добавляя больше терминов к независимой матрице переменных (A
в Ax=b
).
Скажем, мы хотим поместить квадратичную модель с постоянными, линейными, взаимодействующими и квадратичными членами (1, x, y, xy, x^2, y^2). Мы можем сделать это вручную:
% best-fit quadratic curve
C = [ones(50,1) data(:,1:2) prod(data(:,1:2),2) data(:,1:2).^2] \ data(:,3);
zz = [ones(numel(xx),1) xx(:) yy(:) xx(:).*yy(:) xx(:).^2 yy(:).^2] * C;
zz = reshape(zz, size(xx));
Существует также вспомогательная функция x2fx
в Statistics Toolbox, который помогает в создании дизайна матрицы для нескольких модельных заказов:
C = x2fx(data(:,1:2), 'quadratic') \ data(:,3);
zz = x2fx([xx(:) yy(:)], 'quadratic') * C;
zz = reshape(zz, size(xx));
Наконец есть отличный функция polyfitn
на файлообменный Джон D'Errico, что позволяет указать все виды полиномиальных заказов и сроков участия:
model = polyfitn(data(:,1:2), data(:,3), 2);
zz = polyvaln(model, [xx(:) yy(:)]);
zz = reshape(zz, size(xx));
![2nd_order_polynomial](https://i.stack.imgur.com/JCvyw.gif)
Как я могу выполнить такую же операцию в python ..!? Бит-помощь будет оценена ... @Amro – diffracteD
@diffracteD: Я перевел код на Python: https://gist.github.com/amroamroamro/1db8d69b4b65e8bc66a6 – Amro
Спасибо за вашу помощь ... я обязательно попробую. ! – diffracteD