curve-fitting

    9熱度

    2回答

    它只是一個基本的問題。我正在擬合使用polyfit來分散點。 我有一些情況下,我的散點有相同的X值和polyfit不能適合它的一條線。必須有一些能夠處理這種情況的東西。畢竟,它只是一條線。 我可以嘗試交換X和Y,然後冷卻一條線。任何更簡單的方法,因爲我有很多散點集合,並且需要一個通用方法來檢查行。 主要目標是找到合適的線條並放下非線性特徵。

    8熱度

    2回答

    Excel爲成對的值生成散點圖。它還提供了爲趨勢線生成最佳擬合趨勢線和公式的選項。它還會生成氣泡圖,並考慮每個值提供的重量。但是,重量對趨勢線或公式沒有影響。以下是一組示例值及其映射和權重。 Value Map Weight 0 1 10 1 2 10 2 5 10 3 5 20 4 6 20 5 1 1 對

    4熱度

    2回答

    我試圖將一個分段定義的函數擬合到Python中的數據集中。我已經搜索了很長一段時間,但我還沒有找到答案,可能與否。 要了解我正在嘗試做什麼,請看下面的示例(這不適用於我)。在這裏,我試圖將一個移位的絕對值函數(f(x)= | x-p |)擬合到以p爲擬合參數的數據集中。 import scipy.optimize as so import numpy as np def fitfunc(x,

    1熱度

    2回答

    我正在一個java應用程序中,我需要做一些曲線配件和插值。我沒有這方面的理論統計背景。我很感激,如果有人能推薦涵蓋這個主題的好書,但不是很先進的書。如果本書在java中提供了編碼示例,則會更好。

    -1熱度

    1回答

    如果已經提出了這個問題,我表示歉意 - 我不確定在這裏使用的是正確的術語,所以如果有的話,希望它能幫助像我這樣的其他人找到標記爲愚蠢的。 我正在尋找從3個點創建代碼(C#或Javascript理想)曲線的公式 - 公式應該是形式y = a /(t + b)+ c其中t是時間 - 橫軸 - 而y是縱軸。很明顯,a,b和c只是用於圖形擬合。 我該怎麼辦?是否有我應該使用的現有庫? 源數據有很多可用的數

    3熱度

    5回答

    我試圖計算由點(x,y,z)數組給出的曲面的曲率。最初我試圖適應的多項式方程Z = A + BX + CX^2 + DY + EXY + FY^2) 然後計算高斯曲率 $ K = \壓裂{F_ {XX} \ CDOT F_ {YY} - {{F_ XY}}^2} {(1+ {F_X}^2 + {F_y}^2)^ 2} $ 然而問題是,如果在表面裝配是複雜的。我發現這個Matlab代碼來數值計算曲率

    1熱度

    1回答

    我想在lsqcurvefit命令中使用Levenberg Marquardt算法。我已經做了以下內容: options = optimset('LevenbergMarquardt','on'); x = lsqcurvefit(@myfun,x0,xdata,ydata,options); 我得到以下錯誤: ??? Error using ==> optim\private\lsqncom

    5熱度

    2回答

    如何使用Math Commons CurveFitter將函數擬合爲一組數據?我被告知使用CurveFitter與LevenbergMarquardtOptimizer和ParametricUnivariateFunction,但我不知道在ParametricUnivariateFunction漸變和值方法中寫什麼。另外,寫完後,如何得到擬合的函數參數?我的功能: public static do

    0熱度

    2回答

    我需要以相當的間接方式來擬合數據。在擬閤中恢復的原始數據是一些線性函數,具有小的振盪和漂移,我想確定。我們稱之爲f(t)。我們不能直接在實驗中記錄這個參數,但是隻能間接地假設爲g(f)= sin(a f(t))。 (真正的傳輸函數更復雜,但它不應該在這裏起作用) 所以如果f(t)改變方向朝向sin函數的轉折點,這是很難識別,我嘗試了一種替代方案方法來恢復f(t)而不僅僅是g的逆函數和一些數據繼續猜

    1熱度

    4回答

    我有一些數據是分箱內未知曲線的積分。爲了您的興趣,數據是海浪能量,並且箱子用於方向,例如, 0-15度。如果可能的話,我想對曲線進行擬合,以保存箱內積分的數據。我試着用鉛筆在筆記本上畫草圖,看起來好像可能。有沒有人知道Python中的任何曲線擬合工具來做到這一點,例如在scipy插值子包中? 在此先感謝 編輯: 感謝您的幫助。如果我這樣做,看起來我會嘗試本文第4部分推薦的方法:http://jou