一次元多項式

class astropy.modeling.polynomial.Polynomial1D(degree, domain=None, window=None, n_models=None, model_set_axis=None, name=None, meta=None, **params)[ソース]

ベースクラス: astropy.modeling.polynomial._PolyDomainWindow1D

一次元多項式モデル。

これは次のように定義されています

\[P=\sum_{i=0}^{i=n}C_{i}*x^{i}\]

以下の内容について説明する domain そして、 windowNotes regarding usage of domain and window それがそうです。

パラメータ
degree集積する.

級数の度数

domain元グループかなしか、オプション

ない場合は(-1,1)とする

window元グループかなしか、オプション

なければ,(-1,1)に設定したフィルタは属性領域をこのウィンドウに再マッピングする.

**paramsディクト!

キーワード:値対、PARAMETER_NAME:VALUE

その他のパラメータ
fixed辞書、オプション

1冊の辞書. {{parameter_name: boolean}} パラメータの大きさはフィッティング過程では変化できない.Trueはパラメータが一定に保たれていることを表す.あるいは、 fixed パラメータの属性を用いることができる.

tiedDICT、オプション

1冊の辞書. {{parameter_name: callable}} ある他のパラメータのパラメータにリンクする.辞書値は,リンク関係を提供する呼び出し可能なオブジェクトである.あるいは、 tied パラメータの属性を用いることができる.

boundsDICT、オプション

1冊の辞書. {{parameter_name: value}} パラメータの上下境界。キーはパラメータ名である.値は長さ2のリストまたはタプルであり,パラメータに必要な範囲を与える.あるいは、 min そして max パラメータの属性を用いることができる.

eqconsリスト、オプション

長さ関数リスト n そのためには eqcons[j](x0,*args) == 0.0 最適化に成功した問題の中で。

ineqconsリスト、オプション

長さ関数リスト n そのためには ieqcons[j](x0,*args) >= 0.0 最適化に成功した問題です

属性要約

input_units \

この属性は、Evaluateメソッドがどの単位または単位セットを必要とするかを示し、入力を単位にマッピングする(または)ことを返すために使用される None 任意の単位が受け入れられていれば).

n_inputs \

入力の数。

n_outputs \

出力の数。

方法要約

__call__ \(*入力[, model_set_axis, ...] )

このモデルは,与えられた入力とインスタンス化モデルを用いて指定されたパラメータ値を用いて評価される.

evaluate \(X,*係数)

いくつかの入力変数でモデルを評価する.

fit_deriv \(X,*パラメータ)

ファンデルモン行列を計算する.

horner \(X,係数)

prepare_inputs \(X,** Kwargs)

この方法は __call__ モデルのすべての入力が互換性のある形状にブロードキャストされることができることを保証するために(それらのうちの1つまたは両方が配列入力として使用される場合)、特に複数のパラメータセットがある場合。

属性文書

input_units
n_inputs = 1

入力の数。

n_outputs = 1

出力の数。

方法文書

__call__(*inputs, model_set_axis=None, with_bounding_box=False, fill_value=nan, equivalencies=None, inputs_map=None, **new_inputs)

このモデルは,与えられた入力とインスタンス化モデルを用いて指定されたパラメータ値を用いて評価される.

evaluate(x, *coeffs)[ソース]

いくつかの入力変数でモデルを評価する.

fit_deriv(x, *params)[ソース]

ファンデルモン行列を計算する.

パラメータ
xNdarray

入力

*params

非線形適合戻り使い捨てパラメータリスト

返品
resultNdarray

ファンデモン行列

static horner(x, coeffs)[ソース]
prepare_inputs(x, **kwargs)[ソース]

この方法は __call__ モデルのすべての入力が互換性のある形状にブロードキャストされることができることを保証するために(それらのうちの1つまたは両方が配列入力として使用される場合)、特に複数のパラメータセットがある場合。これはまた,入力の単位がEvaluateメソッドと互換性があることを保証する.