curve-fitting

1熱度

2回答

我有一套我想擬合空間曲線的3d座標(x,y,z)。有沒有人知道Python的現有例程？根據我發現的（https://docs.scipy.org/doc/scipy/reference/interpolate.html），現有模塊用於將曲線擬合到一組2d座標，以及其他用於將曲面擬合到一組3d座標的模塊。我想要中間路徑 - 將曲線擬合成一組三維座標。編輯 - 我找到一個明確的答案，這在另一個帖子

0熱度

1回答

matplotlib：放兩個xy圖在一個

我使用下面的代碼來繪製多個數據點（XI，YI） import numpy as np import matplotlib.pyplot as plt xi = np.array(data_df[['col_A']]) yi = np.array(data_df[['col_B']]) plt.figure() plt.plot(xi, yi) x = np.linspace(0,

2熱度

1回答

限制高斯適合在我的本科論文的框架curve_fit

，我需要用Python來評估我的數據。不幸的是，我的同學還沒有適合的腳本，而且我對編程還很陌生。我有這樣的數據集，我試圖通過使用scipy.optimize.curve_fit高斯，以適應它。由於有很多不可用的計數，特別是在軸末端，我想限制要安裝的部分。圖片raw data 這是我到目前爲止有： import numpy as np import matplotlib.pyplot as p

0熱度

1回答

指數擬合最小二乘法Python

我有一個非常具體的任務，我需要找到我的指數函數的斜率。我有兩個陣列，一個表示波長範圍在400和750 nm之間，另一個表示吸收光譜。 x =波長，y =吸收。我的擬合函數應該是這個樣子的是： y_mod = np.float(a_440) * np.exp(-S*(x - 440.)) 其中S是斜率和圖像等於0.016，這應該是在價值觀我應該得到的範圍（+/- 0.003）。 a_440是在4

0熱度

1回答

從給定點到雙曲線的距離

我需要找到一種方法來計算最接近給定點（或從給定點到曲線的最短距離）的擬合曲線上的點。擬合曲線的方程式的形式爲：y = m /（x + a）+ c。我試圖解決它，但我得到了一個四次多項式。有沒有一種解決方案可以實現這一點，可以實現數千個點（例如stata）？

5熱度

1回答

具有n個斷點的分段線性擬合

我已經使用How to apply piecewise linear fit in Python?這個問題中發現的一些代碼來執行具有單個斷點的分段線性近似。的代碼如下： from scipy import optimize import matplotlib.pyplot as plt import numpy as np %matplotlib inline x = np.array

-2熱度

2回答

線性迴歸 - 估計後陷入Matlab中的模型比較？

我想確定估計模型對未來新數據的適用程度。爲此，經常使用預測誤差圖。基本上，我想比較測量的輸出和模型輸出。我使用最小均方算法作爲均衡技術。有人可以請幫助什麼是適當的方式來繪製模型和測量數據之間的比較？如果估計值接近真值，那麼曲線應該非常接近。以下是代碼。 u是均衡器的輸入，x是有噪聲的接收信號，y是均衡器的輸出，w是均衡器權重。應該使用x和y*w來繪製圖表嗎？但是x是嘈雜。我很困惑，因爲測量的輸出x

0熱度

1回答

符合指數函數的問題

我有一些嚴重問題擬合指數函數（比爾 - 朗伯定律）到我的數據。我使用的優化工具集功能產生可怕千篇一律： function [ Coefficients ] = fitting_new(Modified_Spectrum_Data,trajectory ) x_axis = trajectory; fun = @(x,x_axis) (x(1)*exp((-x(2))*x_axis)); s

0熱度

1回答

使用Sklearn to和Polynomial Regression來擬合/預測曲線的方程。無限循環錯誤

我提供了一個數據集，我試圖找到一些X和Y數據之間的關係。我希望能夠使用sklearn庫來繪製數據並預測/繪製公式的曲線。然而，我的代碼是停留在一個無限循環，當我嘗試和多項式迴歸模型擬合到我的數據集之後劇情我預測值。的最終目標將是，一旦我有曲線預測/繪我想能夠知道什麼是曲線的整個方程。這是我的代碼。 import numpy as np import matplotlib.pyplot as

0熱度

1回答

問題配件使用SciPy的的曲線擬合在Python棚車功能

我不能得到這個棚車適合的工作...我得到「OptimizeWarning：參數的協方差無法估計類別= OptimizeWarning）」，輸出係數不會超出開始的猜測。 import numpy as np from scipy.optimize import curve_fit def box(x, *p): height, center, width = p retur