डेटा के लिए Hermite_e श्रृंखला के कम से कम वर्गों को फिट करने के लिए, Python numpy में hermite_e.hermfit () विधि का उपयोग करें। यह विधि हरमाइट_ई गुणांकों को निम्न से उच्च की ओर क्रमित करती है। यदि y 2-D था, y के कॉलम k में डेटा के लिए गुणांक कॉलम k में हैं। पैरामीटर, x एम नमूना (डेटा) बिंदुओं (x[i], y[i]) के xनिर्देशांक हैं।
पैरामीटर, y नमूना बिंदुओं के y-निर्देशांक हैं। एक ही एक्स-निर्देशांक साझा करने वाले नमूना बिंदुओं के कई सेट (स्वतंत्र रूप से) एक कॉल के साथ पॉलीफिट के लिए फिट हो सकते हैं, जिसमें y 2-डारे के लिए पास किया जाता है जिसमें प्रति कॉलम एक डेटा सेट होता है। पैरामीटर, डिग्री फिटिंगबहुपद की डिग्री है। यदि deg एक एकल पूर्णांक है, तो deg'th पद तक के सभी पदों को फिट में शामिल किया गया है। पैरामीटर, rcond फिट की सापेक्ष स्थिति संख्या है। rcond से छोटे एकवचन मान, सबसे बड़े एकवचन मान के सापेक्ष, पर ध्यान नहीं दिया जाएगा। डिफ़ॉल्ट मान len(x)*eps है, जहां प्लेटफॉर्म के फ्लोट प्रकार की सापेक्ष सटीकता है, ज्यादातर मामलों में लगभग 2e-16।
पैरामीटर, पूर्ण वापसी मूल्य की प्रकृति का निर्धारण करने वाला स्विच है। जब गलत (डिफ़ॉल्ट) केवल गुणांक लौटाए जाते हैं; जब सच है, एकवचन मूल्य अपघटन से नैदानिक जानकारी भी लौटा दी जाती है। पैरामीटर, डब्ल्यू वजन हैं। यदि कोई नहीं, तो भार w[i] अवर्गीकृत अवशिष्ट y[i] - y_hat[i] x[i] पर लागू होता है। आदर्श रूप से वज़न को चुना जाता है ताकि उत्पादों की त्रुटियों w[i]*y[i] सभी में समान भिन्नता हो। व्युत्क्रम-विचरण भार का उपयोग करते समय, w[i] =1/sigma(y[i]) का उपयोग करें। डिफ़ॉल्ट मान कोई नहीं है।
कदम
सबसे पहले, आवश्यक पुस्तकालय आयात करें -
import numpy as np from numpy.polynomial import hermite_e as H
x-निर्देशांक -
x = np.linspace(-1,1,51)
x-निर्देशांक प्रदर्शित करें -
print("X Co-ordinate...\n",x) y-निर्देशांक -
y = x**3 - x + np.random.randn(len(x))
print("\nY Co-ordinate...\n",y) डेटा के लिए Hermite_e श्रृंखला के कम से कम वर्गों को फिट करने के लिए, Python में hermite_e.hermfit() विधि का उपयोग करें -
c, stats = H.hermefit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats) उदाहरण
import numpy as np
from numpy.polynomial import hermite_e as H
# The x-coordinate
x = np.linspace(-1,1,51)
# Display the x-coordinate
print("X Co-ordinate...\n",x)
# The y-coordinate
y = x**3 - x + np.random.randn(len(x))
print("\nY Co-ordinate...\n",y)
# To get the Least squares fit of Hermite_e series to data, use the hermite_e.hermfit() method in Python numpy
c, stats = H.hermefit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats) आउटपुट
X Co-ordinate...
[-1. -0.96 -0.92 -0.88 -0.84 -0.8 -0.76 -0.72 -0.68 -0.64 -0.6 -0.56
-0.52 -0.48 -0.44 -0.4 -0.36 -0.32 -0.28 -0.24 -0.2 -0.16 -0.12 -0.08
-0.04 0. 0.04 0.08 0.12 0.16 0.2 0.24 0.28 0.32 0.36 0.4
0.44 0.48 0.52 0.56 0.6 0.64 0.68 0.72 0.76 0.8 0.84 0.88
0.92 0.96 1. ]
Y Co-ordinate...
[-0.54079609 -1.17586687 -0.81506394 0.8047718 -1.21403444 -1.09247646
-0.88942226 -0.62335081 0.83995142 0.29147171 2.45859847 -0.37545462
0.90161986 -0.7125131 -0.82978518 0.25422338 0.62073702 -1.43305948
0.96436296 0.03069738 -1.07349677 0.55233582 1.23286374 0.37330458
0.27239629 0.46859691 -0.1074476 1.19279741 0.15844038 -0.20424904
-1.41467693 -0.79396457 -2.38068246 -1.24121297 -0.7877071 -1.09171002
1.0806185 -0.94389035 -2.16201749 0.21671724 -1.15596405 0.57090598
-0.52496753 -0.20358065 -3.72121093 1.39868958 -0.02626711 -1.51582035
-0.12223608 -0.58368042 0.69138128]
Result...
[-0.54892802 4.71593168 -0.40858959 2.08689429]
Result...
[array([51.90771673]), 4, array([1.41192215, 1.37967947, 0.31061966, 0.08047256]), 1.1324274851176597e-14]