Python中numpy.polyfit高次多项式拟合时SVD不收敛问题排查

核心原因 #

400次多项式属于极端过高阶数，会引发两个致命问题：

• 构造的范德蒙德矩阵存在严重列相关性，数值条件数极大，导致线性求解过程中SVD分解无法收敛，触发SystemError。
• 矩阵数值范围异常，触发LAPACK底层缩放函数DLASCL的参数校验错误，也就是ValueError。
  而且这类高次多项式对收盘价这类时间序列数据完全无意义，只会拟合噪音，属于典型的过拟合。

解决方法 #

1. 大幅降低多项式阶数（优先推荐）

收盘价的趋势拟合用低次多项式足够，比如5-20次，完全没必要用到400次。示例代码：

import numpy as np
import pandas as pd

df = pd.read_csv('BTC-USDD.csv')
# 用序列索引代替原始日期，避免大数值时间戳加剧数值病态
x = np.arange(len(df))
y = df['收盘价'].values

# 改用10次多项式拟合
coeffs = np.polyfit(x, y, 10)

2. 标准化输入缓解数值病态（仅用于非极端高阶场景）

如果一定要用较高阶数（不推荐超过50次），先对x做标准化处理，缩小数值范围：

x_scaled = (x - x.mean()) / x.std()  # 将x缩放到均值0、标准差1的范围
coeffs = np.polyfit(x_scaled, y, 50)

3. 换用数值更稳定的拟合方法

改用正交多项式（如切比雪夫多项式）拟合，避免范德蒙德矩阵的数值问题：

from numpy.polynomial import Chebyshev

# 用切比雪夫多项式拟合，最高阶设为50
coeffs = Chebyshev.fit(x, y, 50)

额外注意事项 #

• 不要直接用原始时间戳作为x输入，这类数值范围极大，会进一步恶化矩阵的数值稳定性，用序列索引或归一化后的日期更合理。
• 收盘价属于时间序列数据，更适合用ARIMA、指数平滑等专门的时间序列模型，高次多项式的预测能力极差，几乎没有实际价值。

内容的提问来源于stack exchange，提问作者user6570555