data-fitting相关内容
我正在尝试用S型曲线和三次多项式来拟合我的数据(成本与收入之比),然后找出拐点/收益递减的点。 这是我到目前为止拥有的代码,适应性不是很好。任何建议都将是非常有用的,谢谢! import numpy as np import matplotlib.pyplot as plt from scipy.optimize import curve_fit def sigmoid(x, a,
..
我决定尝试一下海运版本0.11.0!按照我的理解,玩弄dislot函数将取代dislot。我只是想弄清楚如何将高斯拟合绘制到直方图上。以下是一些示例代码。 import seaborn as sns import numpy as np x = np.random.normal(size=500) * 0.1 使用dislot我可以执行以下操作: sns.distplot(x, k
..
我有一个包含某个温度曲线的数据集,我想在温度曲线上拟合或映射测量点,如下所示: 停留时间:30 分钟 斜坡时间:1 分钟 周期数:1000 个周期 测量点周期:16 分钟 测量点可以发生在高位 +150 或低位 -40 注意: T0(初始时间)不明确,所以时间参考不明确,例如.T0=0. 我已经在 Pandas DataFrame 中获取了数据: 将 n
..
一段时间以来,我一直在尝试使用 scipy.optimize.curve_fit 对某些数据进行指数拟合,但我遇到了真正的困难.我真的看不出有什么原因这不起作用,但它只会产生一条海峡,不知道为什么! 任何帮助将不胜感激 from __future__ 导入师导入 numpy从 scipy.optimize 导入 curve_fit导入 matplotlib.pyplot 作为 pyplot
..
我在 Python 中使用带有 Tensorflow 后端的 Keras.更准确地说,tensorflow 1.2.1 及其内置的 contrib.keras 库. 我想使用 Sequential 模型对象的 fit_generator 方法,但我对应该作为方法参数传递的内容感到困惑. 通过阅读文档此处,我获得了以下信息: generator :python 训练数据批量生成器;
..
我有一个来自 sklearn 的数据集,我绘制了 load_diabetes.target 数据的分布(即 load_diabetes.data 用于预测). 我使用它是因为它具有最少数量的回归sklearn.datasets变量/属性. 使用 Python 3,如何获得最相似的分布类型和参数? 我所知道的 target 值都是正偏斜(正偏斜/右偏斜)...Python 中是否有
..
我打算将 2D 高斯函数拟合到显示激光束的图像中,以获得其参数,例如 FWHM 和位置.到目前为止,我试图了解如何在 Python 中定义一个二维高斯函数以及如何将 x 和 y 变量传递给它. 我编写了一个小脚本,它定义了该函数,绘制了它,添加了一些噪声,然后尝试使用 curve_fit 拟合它.除了我尝试将模型函数拟合到嘈杂数据的最后一步之外,一切似乎都有效.这是我的代码: import
..
我花了很多时间试图寻找一种简单的方法来做到这一点 - 理想情况下,有一个神奇的库存在于某处,可以获取我的一组 3D 数据点并在最佳拟合线上返回 2 个点使用正交回归或最小二乘法,并返回拟合线的误差.是否存在这样的东西,如果存在,在哪里? 解决方案 这很容易做到,但要自己编写,您需要一个特征值求解器或奇异值分解.创建 nx3 矩阵 A,将您的 (x-xbar, y-ybar, z-zbar)
..
我想将洛伦兹峰拟合到一组数据 x 和 y 中,数据很好.OriginLab 等其他程序非常适合它,但我想用 python 自动化拟合,所以我有以下基于 http://mesa.ac.nz/?page_id=1800 我遇到的问题是 scipy.optimize.leastsq 返回最适合我传递给它的相同初始猜测参数,基本上什么都不做.这是代码. #x, y 分别为 x,y 轴的数组#定义函
..
我想知道我的数据点的分布,所以首先我绘制了我的数据的直方图.我的直方图如下所示: 其次,为了使它们适合某个发行版,这是我编写的代码: size = 20000x = scipy.arange(大小)# 合身参数 = scipy.stats.gamma.fit(y)pdf_fitted = scipy.stats.gamma.pdf(x, *param[:-2], loc = param[-
..
当使用curve_fit 来自 scipy.optimize在python中拟合一些数据,首先定义拟合函数(例如二阶多项式)如下: def f(x, a, b):返回 a*x**2+b*x 然后进行拟合popt, pcov = curve_fit(f,x,y) 但现在的问题是,如何定义第 1 点中的函数.如果函数包含积分(或离散和),例如: 仍然给出了 x 和 f(x) 的实验
..
我有一个使用 SciPy 的 leastsq 函数拟合的数据表面. 我想对 leastsq 返回后的拟合质量进行一些估计.我原以为这会作为函数的返回包含在内,但如果是这样,它似乎没有明确记录. 是否有这样的返回,或者,除此之外,我可以将数据和返回的参数值以及拟合函数传递给某些函数,以便对拟合质量进行估计(R^2 或类似的)? 谢谢! 解决方案 如果你这样调用 leasts
..
我有一个关于使用 chi^2 检验来约束宇宙学参数的重要问题.我感谢您的帮助.请不要给这个问题负分(这个问题对我很重要). 假设我们有一个包含 600 个数据的数据文件 (data.txt),该数据文件有 3 列,第一列是 redshift(z),第二列是观察 dL(m_obs),第三列是列是错误(错误).我们知道 chi^2 函数是 chi^2=(m_obs-m_theo)**2/er
..
我有一组数据(位移 vs 时间),我使用 optimize.leastsq 方法将这些数据拟合到几个方程中.我现在正在寻找拟合参数的错误值.查看文档,输出的矩阵是雅可比矩阵,我必须将其乘以残差矩阵才能得到我的值.不幸的是,我不是统计学家,所以我对术语有些不知所措. 据我所知,我需要的是与我的拟合参数相匹配的协方差矩阵,因此我可以对对角元素进行平方根以得到拟合参数的标准误差.我有一个模糊的阅读
..
我想出了一种针对自己的问题的自定义插值方法,我想问一问使用它是否有任何风险.我不是数学或编程专家,这就是为什么我需要反馈:) 故事: 当我想出一种对数据进行插值的想法时,我正在寻找一种很好的曲线拟合方法. 我将涂料混合在一起,待膜干燥时用分光光度计进行反射率测量.我想计算出达到一定亮度所需的白色和彩色油漆的比例,而不考虑任何色移(例如黑色+白色油漆产生偏蓝的灰色)或色度损失(例如
..
我在寻找良好的初始条件时遇到了一些问题,而这种适应性只会表现得不好.因此,我想到了将其插入循环中的方法,以强行使用它,告诉gnuplot保持拟合,直到他得到小于100%的相对偏差,同时每次重新运行该循环时都随机更改初始值,我写了类似的东西 while(abs(m_err/m)> 1){m =兰德(0)* 0.3k =兰德(0)x_0 = 15 + rand(0)* 10通过m,k,x_0拟合l
..
我正在尝试使用python使函数适合实验的数据集.我可以得到一个非常好的近似值,拟合度看起来还不错,但是给定的参数误差非常高,我不确定如何解决此问题. 该函数如下所示:函数 数据由时间数据集和y数据集组成.变量"ve"是一个线性速度函数,这就是为什么在代码中将其替换为"a * x + b"的原因.现在拟合看起来确实很好,并且理论上该函数应该可以拟合数据,但是误差非常高.代码如下:
..
我在3D空间中有一组x,y,z点和另一个称为 charge 的变量,它表示在特定x,y,z坐标中沉积的电荷量.我想对此数据进行加权(通过检测器中沉积的电荷量加权,这恰好是更高的权重,以获得更多的电荷),以使其通过给定点即顶点. 现在,当我对2D进行此操作时,我尝试了各种方法(将顶点带到原点,并对所有其他点进行相同的转换,并迫使拟合通过原点,从而使顶点确实很高重量),但它们都不如Jaime在这
..
我有一些适合使用scipy.stats的伽马分布.我能够提取形状,位置和比例参数,并且它们与我期望的数据范围看起来很合理. 我的问题是:是否有一种方法也可以获取参数中的错误?类似于curve_fit的输出.注意:我不直接使用曲线拟合,因为它无法正常工作,并且大多数时候无法计算伽玛分布的参数.另一方面,scipy.stats.gamma.fit可以正常工作. 这是我正在做的事的一个例子(
..
我正在尝试使用scipy.optimize.curve_fit拟合布里渊光谱(具有多个峰).我有多个具有多个峰的光谱,并且正在尝试用洛伦兹函数(每个峰一个洛伦兹函数)拟合它们.我正在尝试自动化进行批量分析的过程(即使用scipy的峰发现算法来获取峰位置,峰宽度和峰高,并将其用作拟合的初始猜测).现在,我正在研究一个频谱,以了解总体思路是否可行,然后将其扩展为自动的,并可以使用我拥有的所有频谱.到目
..