تنعيم المنحنيات الصاخبة على النحو الأمثل

ضع في اعتبارك مجموعة بيانات تقريبية بواسطة:

استيراد numpy كـ np س = np.linspace(0, 2*np.pi, 100) y = np.sin(x) np.random.random(100) * 0.2

import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)   np.random.random(100) * 0.2

وهذا يشمل 20% من الاختلاف. هناك قيود مثل UnivariateSpline والمتوسطات المتحركة.

مرشح Savitzky-Golay

الحل الفعال هو مرشح Savitzky-Golay، المتوفر في scipy. ويستخدم انحدار المربعات الصغرى لتقدير القيمة في وسط نافذة صغيرة باستخدام كثير الحدود. تنتقل النافذة بعد ذلك لتكرار العملية، مما يؤدي إلى الضبط الأمثل لكل نقطة.

import numpy as np استيراد matplotlib.pyplot كـ plt من scipy.signal قم باستيراد savgol_filter س = np.linspace(0, 2*np.pi, 100) ص = np.sin(x) np.random.random(100) * 0.2 yhat = savgol_filter(y, 51, 3) # حجم النافذة 51، ترتيب متعدد الحدود 3 بلت.بلوت (س، ص) plt.plot(x,yhat, color='red') plt.show()