잡은 곡선을 최적으로 평활화

다음과 같이 근사된 데이터 세트를 고려합니다.

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

여기에는 20% 변동이 포함됩니다. UnivariateSpline 및 이동 평균과 같은 접근 방식에는 한계가 있습니다.

Savitzky-Golay 필터

효과적인 솔루션은 scipy에서 사용할 수 있는 Savitzky-Golay 필터입니다. 다항식을 사용하여 작은 창 중앙의 값을 추정하기 위해 최소 제곱 회귀를 사용합니다. 그런 다음 창이 이동하여 프로세스를 반복하여 각 지점의 최적화된 조정이 이루어집니다.

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()