numpy.polynomial.legendre.Legendre.fit

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.polynomial.legendre.Legendre.fit.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

Legendre.fit(x, y, deg, domain=None, rcond=None, full=False, w=None, window=None)[source]

最小二乘拟合数据。

返回与在x采样的数据y的最小二乘拟合的系列实例。返回的实例的域可以被指定，并且这将经常导致优越的适合，较少的病况调节的机会。

参数：

x：array_like，shape（M，） M个采样点（x [i]， y [i]）的x坐标。 y：array_like，shape（M，）或（M，K） y坐标。通过传递每列包含一个数据集的2D阵列，可以一次拟合共享相同x坐标的样本点的若干数据集。 deg：int或1-D array_like 拟合多项式的度（s）。如果deg是单个整数，则包括deg项的所有项包括在拟合中。对于Numpy版本> = 1.11，可以使用指定要包括的术语的度数的整数列表。 domain：{None，[beg，end]，[]}，可选 用于返回的系列的域。如果None，则选择覆盖点x的最小域。如果[]使用类域。默认值为NumPy 1.4中的类域和更高版本中的None。在numpy 1.5.0中添加了[]选项。 rcond：float，可选 相对条件编号。相对于最大奇异值小于该值的奇异值将被忽略。默认值为len（x）* eps，其中eps是float类型的相对精度，在大多数情况下约为2e-16。 full：bool，可选 开关确定返回值的性质。当它为False（默认值）时，只返回系数，当来自奇异值分解的True诊断信息也返回时。 w：array_like，shape（M，），可选 重量。如果不是无，则每个点(x[i],y[i])对拟合的贡献由w [i]加权。理想地，选择权重使得乘积w[i]*y[i]的误差都具有相同的方差。默认值为“无”。 版本1.5.0中的新功能。 窗口：{[beg，end]}，可选 用于返回系列的窗口。默认值为默认类域 版本1.6.0中的新功能。

返回：

new_series：series 表示最小二乘法拟合数据并具有调用中指定的域的序列。 [resid，rank，sv，rcond]：list 只有full = True时，才会返回这些值 resid – sum of squared residuals of the least squares fit rank – the numerical rank of the scaled Vandermonde matrix sv – singular values of the scaled Vandermonde matrix rcond – value of rcond. 有关详细信息，请参阅linalg.lstsq。