问题标签 [data-fitting]

我有许多点的集合，以统一的网格状方式排列。鉴于这些点，我如何检测该网格的属性，例如它的旋转、行间距等？如果有一些算法可以为这些数据拟合许多平行和垂直的线，那么我可以平均线之间的距离、角度等等。做这个的最好方式是什么？

更新： 我正在使用的数据大致如下所示：

将来它会更干净，但我只需要一些方法来插入和分析类似网格的模式。

我正在尝试将我的数据拟合到用户定义的 Gompertz 方程。但是，我收到如下错误：

nls (Eq, data = GPdata, start = list(K = 1), algorithm = "default", : 奇异梯度中的错误

我知道这可能意味着我的起始值不足以收敛，但是除了猜测之外还有什么办法吗？我还尝试使用 nls2 函数（蛮力），扩展可能的 K 值的巨大向量以尝试但收到相同的错误。

这是我的代码，包括示例数据。

任何帮助或建议将不胜感激。

谢谢！

w = 0 in Givens();当我尝试使用gnuplot内置曲线拟合功能时，我不断收到错误消息。

我所做的是尝试将实验数据拟合到gnuplot. 我定义模型函数s(x)：

然后我绘制实际数据和模型函数以获得模型参数的初始猜测：

然后我调整了最初的猜测：

要获得漂亮的图片：

然后我尝试精确拟合曲线：

我得到的是单次迭代和一条错误消息：

曲线非常合适：

该错误是什么意思，我将如何进行拟合过程？

我有 3 组数据：xdata、ydata 和 error_ydata。

我需要根据这样的等式拟合这些数据：

其中 c 是常数，以及要查找的参数。

我已经尝试了几个 matlab 函数，如fittype或lsqcurvefit，但它们需要非常接近的初始估计值才能使 4 个常数起作用。关键是要找到这些常数，无论您给出的初始估计值是多少。

任何想法？

先感谢您。我最诚挚的问候

我在二维图中有很多点。红点表示我的实验稳定时，黑色表示不稳定。在这个对数图中，这两个区域被一条线清楚地分开，我想找到最好的“分隔线”，即给出分隔两个区域的标准并且在该标准上具有最小误差的线。我在各种书籍和网上进行了搜索，但找不到任何解决此问题的方法。你知道任何工具吗？首先，必须定义错误。我想到的一件事是：如果未知线是 ax+by+c=0，那么对于每个点 (x0,y0)，我们定义一个误差函数，如下所示：

我们最小化错误的总和。但并不简单，因为有一个门槛。如果你们知道解决此问题的一些参考或方法链接，将不胜感激。干杯A。

我有以下 1951 年的降雨数据：

我想拟合这些数据。我将这些数据分成 2 个区域（头部和尾部）。一个点小于 100（头部），其余点（> 100） - 尾部。我可以将指数拟合到头部（参见下面的代码）。对于尾巴，我想拟合一条曲线，并希望将这两个部分与数据一起绘制在一个图中。任何人都可以帮忙吗？

我所做的是将两个线性函数拟合到我的数据中。我知道如何为各种拟合函数选择数据。我的问题是我希望拟合线只在某个间隔内绘制。我到目前为止所做的：

结果是

一张照片，我不允许发布...

我怎样才能使绿色拟合线仅从 800-1200 运行而蓝色拟合线从 1100 端运行？

i´m plotting a Dataset and performed two linear fit on the resulting graph. I plotted the results and got a graph with two straight lines. The two lines run from one end of the plot to the other. Do somebody know how to restrain the plot of the lines to a certain interval.

For example: the line of the first fit runs from x=800:1100 and the line of the second fit runs from x=900:1600.

The parameters of the whole plot are y= -2:9; x= 800:1600

我有一大组 x 数据和一大组 y 数据，它们形成了一系列不规则的洛伦兹峰。我正在尝试使用内置的 matlab 函数 lsqcurvefit

我知道X0, XDATA,YDATA是什么，但我正在为投入什么而苦苦挣扎FUN。我创建了以下函数，但从 matlab 中删除了一条错误消息：

我的功能：

有没有人对我应该/可以使用什么FUN而不是我已经使用的功能有任何建议？谢谢！！

使用 scipy.optimize.minimize() 函数，我对相同的目标函数使用不同的方法获得了不同的结果。为了评估拟合优度，我将减少的卡方视为第一个标准。一段时间后，我以这个有用的指南结束http://newville.github.io/lmfit-py/fitting.html#Minimizer其中指定减少的卡方设置为从最小化返回的 Minimizer 对象的属性（ ） 功能。但如果我这样做

我明白了

同时 minobj.message 和 minobj.success 正确显示。有什么猜测吗？