python 根據(jù)點(diǎn)以及自定義函數(shù)預(yù)測

from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np
def func_exp_fb_1(x, a,b,d): # 自定義函數(shù)
#     return a*np.exp(-b*np.log(x+15)**0.4)+d
#     return  a*(1/x)+1/(b*np.log(x**0.2+10))+d
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+50))+d
#     return a*np.exp(-b*x*x*x**0.2)+d
#     return -a*(1/((x+5)**2.2+b+d))
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+50))+d   +(-a*(1/((x+5)**2.2+b+d)) + a * (x ** b)-40)/2 
#     return a * (x ** b)-40
#     return (-a*(1/((x+5)**2.2+b+d)) + a * (x ** b)-40)/2 
#     return a*np.exp(-b*x**0.2) +a*(1/x)+1/(b*np.log(x+1))
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+50))+d -a*(1/((x+5)**2.2+b+d))
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+1))+d 
#     return a*np.exp(-b*x**0.2) +a*(1/x)+1/(b*np.log(x-9.5))
    return a*np.exp(-b*x**0.8)

def tran_num(data):
    ##   換序號(hào)
    y = data
    x = list(range(len(y)))
    return x,y

data = [5,4,3,2,1,0.8] # 你的數(shù)據(jù)

plt.figure(figsize=(12,6))
x,y = tran_num(data)
x = np.linspace(1,len(y),len(y),dtype=np.int)  #這個(gè)是從1開始的
popt,pcov = curve_fit(func_exp_fb_1,x,y,maxfev=5000000)
a,b,d = popt
print(a,b,d)

y_pre1 = func_exp_fb_1(x,a,b,d)
x_future = np.linspace(x.shape[0],60,60-x.shape[0]+1) #x的長度設(shè)為了60赚楚,可以根據(jù)自己的情況修改
y_future = func_exp_fb_1(x_future,a,b,d) 

plt.plot(x, y, 'ko', label="Original Data")
plt.plot(x, y_pre1, 'r-', label=" Fitting Curve")
plt.plot(x_future, y_future, 'green', label=" prediction Curve")

plt.legend()
##  換序號(hào)和時(shí)間
plt.title("plot")
plt.xlabel("x")
plt.ylabel("y")
plt.ylim(0,max(data)+1)
plt.show()
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末搏屑,一起剝皮案震驚了整個(gè)濱河市供炎,隨后出現(xiàn)的幾起案子往衷,更是在濱河造成了極大的恐慌竹海,老刑警劉巖昭伸,帶你破解...
    沈念sama閱讀 206,839評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件胀滚,死亡現(xiàn)場離奇詭異,居然都是意外死亡戴差,警方通過查閱死者的電腦和手機(jī)送爸,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,543評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來暖释,“玉大人袭厂,你說我怎么就攤上這事∏蜇埃” “怎么了纹磺?”我有些...
    開封第一講書人閱讀 153,116評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長亮曹。 經(jīng)常有香客問我橄杨,道長秘症,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,371評(píng)論 1 279
  • 正文 為了忘掉前任讥珍,我火速辦了婚禮,結(jié)果婚禮上窄瘟,老公的妹妹穿的比我還像新娘衷佃。我一直安慰自己,他們只是感情好蹄葱,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,384評(píng)論 5 374
  • 文/花漫 我一把揭開白布氏义。 她就那樣靜靜地躺著,像睡著了一般图云。 火紅的嫁衣襯著肌膚如雪惯悠。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,111評(píng)論 1 285
  • 那天竣况,我揣著相機(jī)與錄音克婶,去河邊找鬼。 笑死丹泉,一個(gè)胖子當(dāng)著我的面吹牛情萤,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播摹恨,決...
    沈念sama閱讀 38,416評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼筋岛,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了晒哄?” 一聲冷哼從身側(cè)響起睁宰,我...
    開封第一講書人閱讀 37,053評(píng)論 0 259
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎寝凌,沒想到半個(gè)月后柒傻,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,558評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡较木,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,007評(píng)論 2 325
  • 正文 我和宋清朗相戀三年诅愚,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片劫映。...
    茶點(diǎn)故事閱讀 38,117評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡违孝,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出泳赋,到底是詐尸還是另有隱情雌桑,我是刑警寧澤,帶...
    沈念sama閱讀 33,756評(píng)論 4 324
  • 正文 年R本政府宣布祖今,位于F島的核電站校坑,受9級(jí)特大地震影響拣技,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜耍目,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,324評(píng)論 3 307
  • 文/蒙蒙 一膏斤、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧邪驮,春花似錦莫辨、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,315評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至喻粹,卻和暖如春蟆融,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背守呜。 一陣腳步聲響...
    開封第一講書人閱讀 31,539評(píng)論 1 262
  • 我被黑心中介騙來泰國打工型酥, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人查乒。 一個(gè)月前我還...
    沈念sama閱讀 45,578評(píng)論 2 355
  • 正文 我出身青樓冕末,卻偏偏與公主長得像,于是被迫代替她去往敵國和親侣颂。 傳聞我的和親對(duì)象是個(gè)殘疾皇子档桃,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,877評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容