最佳化平滑雜訊曲線
考慮一個近似為的資料集：
import numpy as np x = np.linspace(0, 2*np.pi, 100) y = np.sin(x) + np.random.random(100) * 0.2
這包括一個近似為的資料集：
這包括20% 的變化。 UnivariateSpline 和移動平均線等方法有其限制。
Savitzky-Golay 過濾器
import numpy as np import matplotlib.pyplot as plt from scipy.signal import savgol_filter x = np.linspace(0, 2*np.pi, 100) y = np.sin(x) + np.random.random(100) * 0.2 yhat = savgol_filter(y, 51, 3) # window size 51, polynomial order 3 plt.plot(x,y) plt.plot(x,yhat, color='red') plt.show()
以上是如何有效平滑雜訊資料曲線？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
