什么是曲线拟合

所谓的曲线拟合，就是使用某一个模型(或者称为方程式)，将一系列的数据拟成平滑的曲线，以便观察两组数据之间的内在联系，了解数据之间的变化趋势。

曲线拟合的作用

在数据分析时，我们有时需要通过已有数据来预测未来数据。在一些复杂的数据模型中，数据维度很多，数据之间的关系很复杂，我们可能会用到深度学习的算法。但是在一些简单的数据模型中，数据之间有很明显的相关性，那我们就可以使用简单的曲线拟合来预测未来的数据。

曲线拟合的方法

Excel曲线工具

假设我们有一组用户生命周期价值(LTV)和天数的对应数据

DayLTV1$0.202$0.353$0.454$0.525$0.576$0.607$0.628$0.63

将数据放进Excel中，插入折线图

右击蓝色曲线，选择“添加趋势线”，并选择趋势线为“对数”，并勾选“显示公式”

可以看到，曲线图中出现了一条虚线的曲线，并显示了对应的公式为

Excel的趋势线工具提供了几个常用的函数，包括指数函数、对数函数等，可以满足一般需求。但是如果数据曲线相对复杂的话，就需要用到下面的工具了。

Excel Solver

要使用Solver，首先需要进入Excel的选项，启用“规划求解”工具

启用之后，在工具栏“数据”标签页下，会多出一个“规划求解”的工具

我们先看一下这个工具的界面，就可以大概了解它的功能。简单来说，Solver可以通过改变一些单元格的值，来使一个目标单元格的值最接近理想值。

我们还是用之前的表格来举例如何使用Solver。现在已经知道了LTV对于Day来说是一条类似对数函数的曲线，可以使用对数函数来模拟。我们假设这个函数是

其中a和b为参数，是可变的。我们调整一下表格，添加一列Estimate LTV，为根据a、b和Day列计算出来的值。再增加一列Diff，为Estimate LTV和Real LTV的差值的平方(平方是为了防止不同行的正负差值会互相抵消)，最后加总这些差值。

我们希望通过改变a、b的值，使通过公式得出的LTV与真实LTV的偏差最小，即Total Diff(F18)的值最小。打开规划求解工具，设置如下

点击求解，片刻后即可计算出最接近目标的a、b值

可以看到，a、b的值和使用趋势线得到的值是一样的。

在线工具

介绍一个非常好用的在线曲线拟合工具:

Python matplotlib库

Python的matplotlib库有一个自定义公式来拟合曲线的功能。下面代码演示了通过它来拟合上述例子的过程

# -*- coding: UTF-8 -*-

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

import scipy.optimize as optimization

data_day = [1,2,3,4,5,6,7,8] #x坐标值|x coord

data_ltv = [0.2,0.35,0.45,0.52,0.57,0.6,0.62,0.63] #y坐标值|y coord

xdata = np.array(data_day)

ydata = np.array(data_ltv)

#定义使用的公式|customize equation

def lnFunction(x, A, B):

return A*np.log(x)+B

guess = [1, 1] #定义初始A、B|initialize a and b

try:

params, params_covariance = optimization.curve_fit(lnFunction, xdata, ydata, guess) #拟合，A、B结果存入params|curve fitting and store a, b values to params

print params

result = '' #输出结果|to store result

for i in range(1, 15):

result += str(round(lnFunction(i, params[0], params[1]), 2)) #将i带入公式中的x，使用拟合出的A、B值计算y值，并保留两位小数|calculate result for each i as x using the a, b values, and round the result to 2 points

if i != 14:

result += ',' #每个结果用逗号隔开，并省略最后一个逗号|separate each result with comma, and omit the last comma

print result

except:

print ''

输出结果为：

[0.21482987 0.20772681]

0.21,0.36,0.44,0.51,0.55,0.59,0.63,0.65,0.68,0.7,0.72,0.74,0.76,0.77

曲线拟合公式

在前面的例子中，我们使用了对数函数来进行拟合。在上文提到的在线曲线拟合工具网站中，也列出了一些常见的拟合方程，包括直线、多项式、对数、指数等。其中有一个方程对于拟合自然曲线非常好用，就是四参数方程。

四参数方程的格式为：

我们还是用最开始的Day/LTV数据来举例，比较一下它和对数函数拟合的结果。

四参数方程 – Solver比较

修改一下之前的Excel表，将Estimate LTV列使用的公式修改成四参数方程

在规划求解设置中，依然是期望Total Diff达到最小值，可变单元格增加了c、d两个参数

点击求解，获得a、b、c、d四个参数的最优解。我们可以看到，Total Diff比使用对数函数时减少了将近一半

四参数方程 – matplotlib比较

同样，我们修改一下python脚本，改为使用四参数方程。请注意，我们这次添加了一个param_bounds值，将C这个参数限定在了0.001到正无穷。这是因为C在公式中充当了分母，不能等于0，而我还没找到一个有效的限制C不为0的方法。

# -*- coding: UTF-8 -*-

import numpy as np

import matplotlib.pyplot as plt

from scipy import stats

import scipy.optimize as optimization

data_day = [1,2,3,4,5,6,7,8] #x坐标值|x coord

data_ltv = [0.2,0.35,0.45,0.52,0.57,0.6,0.62,0.63] #y坐标值|y coord

xdata = np.array(data_day)

ydata = np.array(data_ltv)

#定义使用的公式|customize equation

def fourPL(x, A, B, C, D):

return ((A-D)/(1.0+((x/C)**(B))) + D)

guess = [1, 1, 1, 1] #定义初始A、B值|initialize a and b

param_bounds = ([-np.inf,-np.inf,0.001,-np.inf],[np.inf,np.inf,np.inf,np.inf])

try:

params, params_covariance = optimization.curve_fit(fourPL, xdata, ydata, guess, bounds = param_bounds) #拟合，A、B、C、D结果存入params|curve fitting and store a, b, c, d values to params

print params

result = '' #输出结果|to store result

for i in range(1, 15):

result += str(round(fourPL(i, params[0], params[1], params[2], params[3]), 2)) #将i带入公式中的x，使用拟合出的A、B、C、D值计算y值，并保留两位小数|calculate result for each i as x using the a, b, c, d values, and round the result to 2 points

if i != 14:

result += ',' #每个结果用逗号隔开，并省略最后一个逗号|separate each result with comma, and omit the last comma

print result

except:

print ''

输出结果为

[0.0923509 1.73652154 2.41689489 0.70144044]

0.2,0.35,0.45,0.52,0.57,0.6,0.62,0.63,0.65,0.65,0.66,0.67,0.67,0.67

可以看到，相对于Excel Solver来说，matplotlib库获得的结果更精准，预测值和真实值几乎没有偏差。

http://blog.sina.com.cn/s/blog_aed5bd1d0102vid7.html

1.多项式拟合范例：

import matplotlib.pyplot as plt

import numpy as np

#潘海东,2014/1/13

x = np.arange(1, 17, 1)

y = np.array([4.00, 6.40, 8.00, 8.80, 9.22, 9.50, 9.70, 9.86, 10.00, 10.20, 10.32, 10.42, 10.50, 10.55, 10.58, 10.60])

z1 = np.polyfit(x, y, 3)#用3次多项式拟合

p1 = np.poly1d(z1)

print(p1) #在屏幕上打印拟合多项式

yvals=p1(x)#也可以使用yvals=np.polyval(z1,x)

plot1=plt.plot(x, y, '*',label='original values')

plot2=plt.plot(x, yvals, 'r',label='polyfit values')

plt.xlabel('x axis')

plt.ylabel('y axis')

plt.legend(loc=4)#指定legend的位置,读者可以自己help它的用法

plt.title('polyfitting')

plt.show()

plt.savefig('p1.png')

2.指定函数拟合

#潘海东,2014/1/13

#使用非线性最小二乘法拟合

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

import numpy as np

#用指数形式来拟合

x = np.arange(1, 17, 1)

y = np.array([4.00, 6.40, 8.00, 8.80, 9.22, 9.50, 9.70, 9.86, 10.00, 10.20, 10.32, 10.42, 10.50, 10.55, 10.58, 10.60])

def func(x,a,b):

return a*np.exp(b/x)

popt, pcov = curve_fit(func, x, y)

a=popt[0]#popt里面是拟合系数，读者可以自己help其用法

b=popt[1]

yvals=func(x,a,b)

plot1=plt.plot(x, y, '*',label='original values')

plot2=plt.plot(x, yvals, 'r',label='curve_fit values')

plt.xlabel('x axis')

plt.ylabel('y axis')

plt.legend(loc=4)#指定legend的位置,读者可以自己help它的用法

plt.title('curve_fit')

plt.show()

plt.savefig('p2.png')