多項式2次元

class astropy.modeling.polynomial.Polynomial2D(degree, x_domain=None, y_domain=None, x_window=None, y_window=None, n_models=None, model_set_axis=None, name=None, meta=None, **params)

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

二次元多項式モデル。

N次の一般多項式を表す：

\[P(x，y)=c_{00}+c_{10}x+...+c_{n 0}x^n+c_{01}y+...+c_{0 n}y^n +c_{11}xy+c_{12}xy^2+…+c_{1(n−1)}xy^{n−1}+…+c{(n−1)1}x^{n−1}y\]

For explanation of x_domain, y_domain, x_window and y_window see Notes regarding usage of domain and window.

パラメータ

degree集積する.

多項式次数：最大指数和 (\(i + j\) )形式の各単項における変数 \(x^i y^j\) それがそうです。二次元次多項式の項数 n 二項係数で与えられています \(C(n + 2, 2) = (n + 2)! / (2!\,n!) = (n + 1)(n + 2) / 2\) それがそうです。

x_domain元グループかなしか、オプション

X引数のフィールドがなければ(-1，1)とする.

y_domain元グループかなしか、オプション

Y引数のフィールドがなければ(-1，1)とする.

x_window元グループかなしか、オプション

X引数の範囲がなければ，(-1，1)に設定したフィルタはx_domainをx_Windowに再マッピングする.

y_window元グループかなしか、オプション

Y引数の範囲がなければ，(-1，1)に設定したフィルタはy_domainをy_Window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。
x_domain \
x_window \
y_domain \
y_window \

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，y，*係数)	いくつかの入力変数でモデルを評価する.
fit_deriv \(X，y，*パラメータ)	ファンデルモン行列を計算する.
invlex_coeff (係数)
multivariate_horner \(X，Y，係数)	多元ホーナー案
prepare_inputs \(X，Y，** 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 = 2

入力の数。

n_outputs = 1

出力の数。

x_domain

x_window

y_domain

y_window

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, y, *coeffs)

いくつかの入力変数でモデルを評価する.

fit_deriv(x, y, *params)

ファンデルモン行列を計算する.

パラメータ

xNdarray

入力

yNdarray

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

invlex_coeff(coeffs)

multivariate_horner(x, y, coeffs)

多元ホーナー案

パラメータ

x, y配列.

coeffs配列.

逆の語彙順に並べた係数.

prepare_inputs(x, y, **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。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.