curve-fitting

    0熱度

    1回答

    我有一個'矩陣'(4x4)如下。 Matrix = 206.3088 9.4042 1.2780 0.9845 206.3099 4.6309 1.2050 0.9857 206.3559 9.4029 1.3192 1.0236 206.3573 4.6307 1.2421 1.0252 現在我需要在「第2列」和「第3列」數據點之間進行多重自動曲線擬

    0熱度

    1回答

    我有一個函數有三個參數和一些我想要的數據。我怎樣才能做到最佳?我甚至不確定方程中三個參數的範圍。 該函數有自由參數alpha,beta和gamma,由 y = (1 - alpha + alpha./sqrt(1 + 2*beta*(gamma*x).^2./alpha)).^(-1) - 1; 我有x和y數據點陣列給出(大約在每套50分),我想找到最好的(定義爲最小化最小二乘),使用任何al

    0熱度

    1回答

    我第一次使用Matlab曲線擬合工具,我有一個問題。我的配合是兩個項的指數,它看起來不錯。問題是,它不會從P(0,0)開始,儘管我的第一次測量是。 是否有可能強迫我的健康開始值?另外,R-squared是如何工作的?依靠安全嗎? 謝謝你這麼多

    0熱度

    1回答

    在R,我試圖適應的一系列數據被理論給出一條曲線,它是: Y(X)=( 1 + fitbeta * x)^( - fitgamma) 理論上這應該工作,其他人已經成功地使用了這個公式。 但是,我似乎無法讓我的擬合參數收斂,無論我嘗試的開始條件或選項如何。 下面是一個可重現的例子。請注意,我正在使用包minpack.lm,這是對nls()的一個不錯的改進,順便說一下 - 當我嘗試使用它時(使用相同的設

    1熱度

    1回答

    我試圖使用SciPy curve_fit將我的數據擬合到用戶定義函數,該函數適用於具有固定功率(func1)的函數。但是,當函數包含一個作爲參數的函數以適合(func2)時,curve_fit不起作用。 如果我使用關鍵字p0提供參數初始猜測,則Curve_fit仍然不起作用。我無法使用範圍內的關鍵字作爲我沒有的SciPy版本。 此腳本說明了這一點: import scipy from scipy

    0熱度

    3回答

    我有以下x,y數據(綠色)。我想獲得適合我曲線的多項式函數。 Python中適合的曲線看起來很好(藍色)。 當我使用多項式的係數,我自己建立函數時,結果不在藍色曲線上。對於X的小值,這可能仍然適合,但對於大值是完全錯誤的。在圖像中,顯示了x = 15和2.5的y(大點)。 數據: x, y 0.5883596178 18562.5 0.6656014904 20850 0.740700874

    0熱度

    3回答

    我想知道是否有人每個試圖適合具有固定大小的矩形到給定的一組點。 想象一下,你有一組沒有排序的點,並不總是顯示一個矩形的完整殼體。下圖應顯示問題: 點集可能會有所不同,點可能會丟失。 我想找到最小二乘法來找到固定邊長的最佳擬合矩形。 也許我可以先找到迴歸線,但接縫可以採取不同的方式。 我會很感激任何一種提示。

    0熱度

    1回答

    我正在處理一個數據集,發現曲線是S形。我已經裝配在曲線,並得到了方程A2 +((A1-A2)/ 1 + EXP((X-X0)/ DX))其中: X0:曲線 DX的中間點:曲線斜率 我需要找到斜率和中點以便給出廣義方程。有什麼建議麼?

    1熱度

    1回答

    我試圖繪製多項式的曲線,但有幾點讓曲線在某些地方看起來非常直。我怎樣才能測試多項式的更多點,這樣我就會有更好的曲線?下面的圖解說明了代碼試圖解決問題的問題。 library('MonoPoly') # monotonic polynomials dataT = read.csv("data.csv", header=TRUE, sep=",") x <- dataT[,'x'] y <-

    0熱度

    1回答

    我有一些數據,他們似乎遵循一種模式,並可以在視覺上分爲三類。此圖像顯示每個類的兩個樣本: - 看來: First class: Five Gaussian functions can be fitted Second class: Two Gaussian functions can be fitted Third class: Non of the above. 有什麼措施,可以說:對於