डेटा के लिए हरमाइट श्रृंखला के कम से कम वर्गों को फिट करने के लिए, PythonNumpy में hermite.hermfit() विधि का उपयोग करें। विधि हर्मिट 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 नमूने (डेटा) बिंदुओं (x[i], y[i]) के x-निर्देशांक हैं। पैरामीटर, y नमूना बिंदुओं के y-निर्देशांक हैं। समान x-निर्देशांक साझा करने वाले नमूना बिंदुओं के कई सेट (स्वतंत्र रूप से) एक कॉल्टो पॉलीफ़िट के साथ फिट हो सकते हैं, y के लिए एक 2-डी सरणी जिसमें प्रति डेटा सेट होता है स्तंभ।
पैरामीटर, डिग्री फिटिंग बहुपद 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। सबसे बड़े एकवचन मान के सापेक्ष rcond से छोटे एकवचन मान पर ध्यान नहीं दिया जाएगा। डिफ़ॉल्ट मान len(x)*eps है, जहां eps 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 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 हरमाइट श्रृंखला के कम से कम वर्गों को फिट करने के लिए, पाइथोनंपी में hermite.hermfit() विधि का उपयोग करें। विधि हर्मिट 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 हैंc, stats = H.hermfit(x,y,3,full=True)
print("\nResult...\n",c)
print("\nResult...\n",stats) उदाहरण
import numpy as np
from numpy.polynomial import hermite 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 series to data, use the hermite.hermfit() method in Python numpy
c, stats = H.hermfit(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... [-1.54632387 1.51958929 1.97346067 1.17759858 0.18851406 -0.43906085 -0.18878755 -0.25952276 -0.10422342 0.17851603 0.12145051 1.42408375 0.87115462 -1.03677161 1.01691995 0.45143153 -2.11382606 0.92466707 -0.04160743 0.9302213 1.19532222 1.69238045 1.63260027 -0.38037316 1.57013958 0.50920773 -0.19218013 -1.104298 0.10788693 0.68370213 0.7219109 1.28598447 -0.92218973 -0.11028072 -0.49917013 -1.44008132 -1.51616162 -0.80578712 1.47099231 -0.79775329 -1.0606385 -0.59517496 -0.32977967 1.04847432 -2.1621314 -0.40009103 -0.84519 0.06397194 -2.03655702 -0.28429534 0.47013787] Result... [-0.03198532 -0.0005095 -0.11666602 0.08302362] Result... [array([49.28934723]), 4, array([1.39825832, 1.20144978, 0.74600162, 0.21183404]), 1.1324274851176597e-14]