问题描述
我有以下data set，其中有几个颠簸和低谷。但是，当我尝试使用来自curve_fit scipy模块的Python optimize拟合曲线时，它并不能很好地再现凹凸。我尝试了7-8年级的多项式和正弦运算，但是找不到合适的东西。
我假设使用7-8年级的多项式，我应该能够再现这些颠簸（对于7年级的poly，我将具有3个颠簸和3个谷，这足够了），但是，我只能得到2碰到配件。
是否有比curve_fit更好的在Python中拟合函数的方法，或者在拟合时我做错了什么？
在此先感谢您提供的解决方案。
解决方法
正如我在学校中学到的那样，多项式通常很难适应曲线（精确拟合，10个测量点可得出9年级的多项式）。当然，该曲线在最内层的4或5个点有意义，但在其前后均不接近“真实”值。四年级或五年级之前的所有内容都可以使用，之后我建议您研究花键。我认为curve_fit不能完全符合您的测量点的多项式，因此此“可能”有效。问题是，您的混乱点没有描述多项式，而我并不打算这样做。
由于基函数是2次多项式s(t) = at^2 + v0t + s0，因此可以很好地（应该是）使用落下的岩石或破碎的汽车（随时间变化的距离）的测量点拟合2次多项式。
TL; DR除非基函数为多项式，否则多项式拟合是错误的，在此使用样条拟合。
使用高阶多项式，您可以得到对我来说不错的拟合。该图显示了度21多边形（绿色）和度41多边形（蓝色）与原始（红色）的拟合度。
虽然多项式确实有其局限性，但它们通常确实合理。
