如何用Python实现非网格随机数据的双线性拟合

你的需求是拟合模型 z(x,y) = a*x + b*y + c*x*y + d，求解系数a、b、c、d。这个模型本质是多元线性回归问题——只需把x*y作为一个新特征，就能用常规线性回归工具求解，不需要特殊的双线性拟合算法。

你之前尝试的sklearn.linear_model其实完全可以解决这个问题，只是没做特征转换；LinearNDInterpolator是插值工具，不是拟合系数的方法，所以不适用。手动用4个点计算只能得到精确解，无法利用所有数据得到最优拟合结果。

解决方案步骤 #

• 数据预处理：处理缺失值（比如删除含缺失值的样本）
• 构造特征矩阵：将每个样本的特征扩展为[1, x, y, x*y]，其中1对应常数项d
• 求解线性方程组：用numpy.linalg.lstsq或sklearn.linear_model.LinearRegression求解系数

示例代码（基于你提供的数据） #

import numpy as np
import pandas as pd

# 读取示例数据（如果是文件可以用pd.read_csv）
data = pd.DataFrame({
    'x': [1056]*10 + [2048]*10 + [4096]*10,
    'y': [8,16,32,48,64,80,96,112,128,144]*3,
    'z': [50.89124679,61.62827273,78.83079982,92.90073197,105.103744,116.0303753,126.0130906,135.2610439,143.9159512,152.0790946,
          63.71675604,77.15971099,98.69757849,116.313387,131.5917779,145.2721136,157.7706532,169.3492575,180.1853546,190.4057615,
          86.7357654,105.0352703,134.3541477,158.334033,179.1320602,197.7547066,214.7686034,230.5302193,245.2810877,259.193829]
})

# 处理缺失值（删除含NaN的行）
data = data.dropna(subset=['x', 'y', 'z'])

# 构造特征矩阵X：每一行是[1, x, y, x*y]
X = np.column_stack((np.ones(len(data)), data['x'], data['y'], data['x']*data['y']))
y = data['z'].values

# 用numpy求解最小二乘解
coefficients, residuals, rank, singular_values = np.linalg.lstsq(X, y, rcond=None)

# 提取系数：d, a, b, c（对应X的列顺序[1, x, y, x*y]）
d, a, b, c = coefficients

print(f"拟合系数：")
print(f"a = {a:.8f}")
print(f"b = {b:.8f}")
print(f"c = {c:.12f}")
print(f"d = {d:.8f}")

# 验证拟合效果：计算预测值与真实值的误差
z_pred = a*data['x'] + b*data['y'] + c*data['x']*data['y'] + d
mse = np.mean((z_pred - data['z'])**2)
print(f"\n均方误差(MSE)：{mse:.6f}")

代码补充说明 #

如果想用sklearn的线性回归实现，代码如下（结果与numpy方法一致）：

from sklearn.linear_model import LinearRegression

# 构造特征（不需要手动加1，LinearRegression会自动处理常数项）
X_sklearn = np.column_stack((data['x'], data['y'], data['x']*data['y']))
model = LinearRegression()
model.fit(X_sklearn, y)

# 提取系数：a, b, c对应X_sklearn的列，d是截距
a, b, c = model.coef_
d = model.intercept_

缺失值额外处理方案 #

如果数据中有缺失值，除了直接删除，还可以用均值/中位数填充，或者用sklearn.impute.SimpleImputer进行预处理，确保特征矩阵没有NaN值。

内容的提问来源于stack exchange，提问作者GNA