使用多个结果的多项式拟合预测保质期

Question

我有几批相同产品随时间变化的结果，例如：

x1 = np.array([0, 3, 6]) # x coordinates of batch1
y1 = np.array([0.51, 0.69, 0.78]) # y coordinates of batch1
batch1 = '29880G001'
x2 = np.array([0, 3, 6]) # x coordinates of batch2
y2 = np.array([0.29, 0.77, 0.61]) # y coordinates of batch2
batch2 = '30565G002'
x3 = np.array([0, 3, 6]) # x coordinates of batch3
y3 = np.array([0.29, 0.61, 0.6]) # y coordinates of batch3
batch3 = '30657G003'

Y 值是以月为单位的时间，X 值是特定批次的实验室结果。在图表上展示它们：

我正在寻找一种方法来对这些结果进行一个多项式拟合，我可以继续进行（即外推）以预测未来的产品行为。

谢谢！

Answer 1

连接你的数组并执行 polyfit:

np.polynomial.polynomial.polyfit(np.r_[x1,x2,x3], np.r_[y1,y2,y3], 3)

但我很怀疑用多项式来外推是否有意义

示例：

z = np.polynomial.polynomial.polyfit(np.r_[x1,x2,x3], np.r_[y1,y2,y3], 3)

plt.plot(x1, y1, 'bo', x2, y2, 'ro', x3, y3, 'go')
x = np.linspace(0, 10, 100)
plt.plot(x, np.polynomial.polynomial.polyval(x, z))

使用多个结果的多项式拟合预测保质期

Shelf life prediction using polynomial fit of several results

python

pandas

numpy

regression

non-linear-regression