curve-fitting

    1熱度

    2回答

    我想要適合以下功能:將信噪比降到我的數據中。 C1,C2和h是我需要從leastsq方法獲得的參數。 C1和C2很簡單,但問題是我的h(t)實際上是:。我想獲得的是函數內部的係數hj(在我的例子中有35個不同的hj)。該函數是不同基底B樣條的總和,每個樣條加權不同,係數數量等於B樣條的結點數量。正如我想獲得C1,C2和h1..35我執行以下操作: funcLine = lambda tpl, ei

    4熱度

    1回答

    我正在努力編寫一個用於將Voigt配置文件擬合到實驗數據的代碼。目前,我有時會得到一個合理的適合功能,但我需要自動執行大約1000次。這意味着如果每一秒都不適合,這不是一個機會。 我嘗試了兩種不同的方式來繪製擬合函數,並且出乎意料地得到了不同的結果。首先,我使用out.best_fit繪製了擬合函數,我試圖通過使用out.best_values.param給我的Voigt函數提供最佳參數。 正如你

    0熱度

    1回答

    如果我有數據點x和y,每個大小爲15行和一列,我該如何強制線性曲線擬合經過一個點,例如(x = 1, Y = 15)? 謝謝 編輯,包括我的數據點。 x = [5.998,6.477,6.477,6.477,8.789,11.480,12,12,13.53,17.65,18.16,19.91,23.48,25.42,31.17]; y = [17.5,26.9,24.87,63.38,26.5,3

    2熱度

    1回答

    我一直試圖使用scipy.stats.genextreme來將我的數據擬合到廣義極值分佈。我嘗試了所有可以找到的方法,但我不知道它爲什麼不適合數據。 我已經試過這兩種方法: import numpy as np from matplotlib import pyplot as plt from scipy.stats import genextreme as gev dataN = [0.

    1熱度

    1回答

    我正在使用一些測試數據並使用以下代碼在Python 2.7中運行適配器lmfit。我需要權重爲1/y(使用Leven-Marq。例程)。我已經定義的權重,並在這裏使用它們: from __future__ import division from numpy import array, var from lmfit import Model from lmfit.models import

    0熱度

    1回答

    我在MATLAB中使用曲線擬合應用程序。如果我理解正確的左側框中的「B1」部分是函數的平均值即x點y=50%和我x數據[-0.8 -0.7 -0.5 0 0.3 0.5 0.7],爲什麼是這個數字在這個例子中這麼大(631)? 通用模型Gauss1: f(x) = a1*exp(-((x-b1)/c1)^2) 係數(95%置信區間): a1 = 3.862e+258 (-Inf, Inf)

    0熱度

    1回答

    我想知道是否有人能給我看一種將多條高斯曲線擬合成包含6個峯值的數據集的方法(數據來自銅金合金晶體的衍射圖案)。我現在的方式涉及使用多個高斯方程相加,這意味着在曲線擬合時我必須給出多個值的猜測。

    1熱度

    1回答

    我已經加載了一組數據到Python,並認爲我已經適合高斯和洛倫茲形狀,但是我需要它打印到每個參數聲明和錯誤相關的值,我不知道如何做到這一點。 我是編程新手,所以任何幫助將不勝感激! 這是我的代碼: import numpy as np import matplotlib.pyplot as plt import pylab as p

    1熱度

    1回答

    我有一個模型方程讓我們把它eq_m: ,我知道我的數據集如下,我想適合我的數據eq_m讓我能使用擬合參數來預測新數據。 然而這eq_m是非線性的,因此我用SciPy的的curve_fit得到的λ,μ,Σ-參數值,並使用下面的代碼片斷: opt_parms, parm_cov = o.curve_fit(eq_m, x, y,maxfev=50000) lamb , mu, sigm = opt_

    0熱度

    1回答

    我想通過圖像中的各個點來適應飛機,但我遇到了強制通過圖像中特定點的線的問題。特別是當線是90度時會發生這種情況。 我的代碼如下: I = [3 3 3 3 3 2 2 3 3 3 3 2 2 2 3 3 3 3 2 2 2 3 3 1 2 2 2 2 1 1 1 2 2 2 2 1 1 1 1 1 2 2 1 1 1 1 1 1 1];