0
是否有任何方法可以使用递归曲线拟合和删除相对于曲线的均方误差最大的数据集进行异常检测,直至达到可接受的阈值?使用递归曲线拟合和错误消除的异常值检测
我使用python 2.7的scipy.optimize.curve_fit函数,而且我需要使用python。
是否有任何方法可以使用递归曲线拟合和删除相对于曲线的均方误差最大的数据集进行异常检测,直至达到可接受的阈值?使用递归曲线拟合和错误消除的异常值检测
我使用python 2.7的scipy.optimize.curve_fit函数,而且我需要使用python。
你很可能谈到递归回归(这在Matlab中很容易)。对于python,请尝试使用scipy.optimize.curve_fit
。
对于简单的3度多项式拟合,这将基于numpy.polyfit
和poly1d
工作。
import numpy as np
import matplotlib.pyplot as plt
points = np.array([(1, 1), (2, 4), (3, 1), (9, 3)])
# get x and y vectors
x = points[:,0]
y = points[:,1]
# calculate polynomial
z = np.polyfit(x, y, 3)
f = np.poly1d(z)
# calculate new x's and y's
x_new = np.linspace(x[0], x[-1], 50)
y_new = f(x_new)
plt.plot(x,y,'o', x_new, y_new)
plt.xlim([x[0]-1, x[-1] + 1 ])
plt.show()
尽管我的数据集相当大,但让我试试这个。 –