機(jī)器學(xué)習(xí):形如拋物線的散點(diǎn)圖在python和R中的非線性回歸擬合方法

對(duì)于樣本數(shù)據(jù)的散點(diǎn)圖形如函數(shù)y=ax2+bx+c的圖像的數(shù)據(jù)， 在python中的擬合過程為：
##最小二乘法
import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
from scipy.optimize import leastsq

'''
     設(shè)置樣本數(shù)據(jù)，真實(shí)數(shù)據(jù)需要在這里處理
'''
##樣本數(shù)據(jù)(Xi,Yi)，需要轉(zhuǎn)換成數(shù)組(列表)形式
Xi=np.array([1,2,3,4,5,6])
#Yi=np.array([9,18,31,48,69,94])
Yi=np.array([9.1,18.3,32,47,69.5,94.8])

'''
    設(shè)定擬合函數(shù)和偏差函數(shù)
    函數(shù)的形狀確定過程：
    1.先畫樣本圖像
    2.根據(jù)樣本圖像大致形狀確定函數(shù)形式(直線、拋物線、正弦余弦等)
'''

##需要擬合的函數(shù)func :指定函數(shù)的形狀
def func(p,x):
    a,b,c=p
    return a*x*x+b*x+c

##偏差函數(shù)：x,y都是列表:這里的x,y更上面的Xi,Yi中是一一對(duì)應(yīng)的
def error(p,x,y):
    return func(p,x)-y

'''
    主要部分：附帶部分說明
    1.leastsq函數(shù)的返回值tuple，第一個(gè)元素是求解結(jié)果，第二個(gè)是求解的代價(jià)值(個(gè)人理解)
    2.官網(wǎng)的原話（第二個(gè)值）：Value of the cost function at the solution
    3.實(shí)例：Para=>(array([ 0.61349535,  1.79409255]), 3)
    4.返回值元組中第一個(gè)值的數(shù)量跟需要求解的參數(shù)的數(shù)量一致
'''

#k,b的初始值，可以任意設(shè)定,經(jīng)過幾次試驗(yàn)，發(fā)現(xiàn)p0的值會(huì)影響cost的值：Para[1]
p0=[10,10,10]

#把error函數(shù)中除了p0以外的參數(shù)打包到args中(使用要求)
Para=leastsq(error,p0,args=(Xi,Yi))

#讀取結(jié)果
a,b,c=Para[0]
print("a=",a,"b=",b,"c=",c)
print("cost："+str(Para[1]))
print("求解的擬合直線為:")
print("y="+str(round(a,2))+"x*x+"+str(round(b,2))+"x+"+str(c))

'''
   繪圖，看擬合效果.
   matplotlib默認(rèn)不支持中文，label設(shè)置中文的話需要另行設(shè)置
   如果報(bào)錯(cuò)，改成英文就可以
'''

#畫樣本點(diǎn)
plt.figure(figsize=(8,6)) ##指定圖像比例： 8：6
plt.scatter(Xi,Yi,color="green",label="樣本數(shù)據(jù)",linewidth=2)

#畫擬合直線
x=np.linspace(0,12,100) ##在0-15直接畫100個(gè)連續(xù)點(diǎn)
y=a*x*x+b*x+c ##函數(shù)式
plt.plot(x,y,color="red",label="擬合直線",linewidth=2)
plt.legend() #繪制圖例
plt.show()
 運(yùn)行結(jié)果：
a= 2.06607141425 b= 2.5975001036 c= 4.68999985496
cost：1
求解的擬合直線為:
y=2.07x*x+2.6x+4.68999985496

 在R中的擬合過程：（在控制臺(tái)直接敲入或者放入腳本都可以） 
###設(shè)置函數(shù)形式
func<-function(a,b,c){
a*x*x+b*x+c
}
###設(shè)置樣本數(shù)據(jù)
x<-c(1,2,3,4,5,6)
y<-c(9.1,18.3,32,47,69.5,94.8)
###把樣本數(shù)據(jù)轉(zhuǎn)換為符合nls函數(shù)需要的格式
d<-data.frame(y,x)
###執(zhí)行求解過程：如果x,y值完全一一對(duì)應(yīng)，匯報(bào)錯(cuò)誤(循環(huán)次數(shù)超過了50這個(gè)最大值)
nlmod<-nls(y ~ func(a1,b1,c1),data=d,start=list(a1=1,b1=1,c1=1),trace=F)
###分析結(jié)果
summary(nlmod)
 運(yùn)行結(jié)果：