问题标签 [curve-fitting]

abline是否可以仅在一定范围的 x 值中绘制拟合？

我有一个与该数据集的子集线性拟合的数据集：

当我绘制数据并绘制回归线时：

这条线是针对原始数据中的整个 x 值范围绘制的。但是，我只想为用于曲线拟合的数据子集绘制回归线。我想到了两个想法：

1. 绘制第二条较粗的线，但仅显示在 3:5 范围内。我检查了参数abline，lines但segments我找不到任何东西

2. 在与 .垂直的相应位置添加小刻度abline。我现在知道如何做到这一点。这当然是更好的方式。

您对解决方案有任何想法吗？

我有一组需要与Bézier 曲线相匹配的数据点（我可以细化）。我需要速度而不是准确性，但合身性应该足够好才能被识别。我也在寻找一种我可以使用的算法，它不会大量使用库（特别是NumPy）。

我已经阅读了几篇研究论文，但没有一篇有足够的细节来完全实施。有没有开源的例子？

我试图从 2 天开始曲线拟合我使用这个方程的一些数据

这里x是自变量，a是未知的，gama是已知的。我尝试了以下程序并取得了最大的成功。

它返回以下错误

？？？模型函数计算的 NaN，拟合无法继续。尝试使用或收紧系数的上限和下限。

==> 中的错误适合 443 errstr = handlerr( errid, errmsg, suppresserr );

不知道该怎么做。请指导..

我将数据样本排列在 1000 x 56 数组中，我想提取最适合每列数据的 Rician 分布参数。我正在使用这个VGAM包，它看起来非常合适，并给出了文档中的示例riceff

我认为以下代码可以正常工作

但相反我得到了错误

至于我的数据，我进行了一些基本检查

摘要中的任何信息都没有表明NaN某处有隐藏，所以我不知道为什么 vglm 失败了。

有谁知道可能是什么问题？非常感谢任何见解。

我目前正在使用 numpy.polyfit(x,y,deg) 将多项式拟合到实验数据。但是，我想拟合一个使用基于点的误差加权的多项式。

我找到了使用权重的scipy.curve_fit，我想我可以将函数“f”设置为我想要的顺序的多项式，并将我的权重放在“sigma”中，这应该可以实现我的目标。

我想知道还有另一种更好的方法吗？

非常感谢。

现在，我正在尝试将曲线拟合到大量数据；有两个数组 x 和 y，每个数组有 352 个元素。我已经为数据拟合了一个多项式，效果很好：

但我需要一个更精确优化的曲线，所以我一直在尝试用 scipy 拟合曲线。这是我到目前为止的代码：

但它返回的只是：

我怎样才能让它工作？（或者我怎样才能将曲线拟合到这些数据？）

我在数组中有一个数据点 x 和 y。我知道这点是 y=log(nx)+c 曲线。我想使用 c# 找到适合该数据点的 n 值。是否有任何图书馆或简单的方法可以找到它

谢谢...

我尝试计算一条线，它可以在 MATLAB 中用二维坐标拟合给定几个点。但结果出乎我的意料。可能有什么我理解错了。谁能帮我吗？非常感谢。代码如下：

输出如下所示。但我期望的是，在这种情况下，拟合线应该是垂直的。我认为线路拟合有问题。

我有一些离散值和假设，这些值位于高斯曲线上。应该有一个只使用 3 个离散值的最大计算算法。你知道实现这个计算的 C/C++ 中的任何库或代码吗？

谢谢！

PS：原任务是自动对焦实现。我移动（显微镜）相机并在不同位置拍摄照片。具有最多不同颜色的位置应该具有最佳焦点。

编辑 这是很久以前的事了:-(我只是想删除这个问题，但尊重好的答案。

如何在 C/C++ 中进行快速高斯拟合？（频率为 25Hz 的 1200 个数据点）

注意：我不是在搜索不能用于商业目的的数学库。