问题标签 [data-fitting]

我正在分析一些数据。从理论上讲，应该有两个或多或少重叠的高斯。我发现如果你不拟合两个高斯，但拟合它们的分布函数，拟合数据效果最好。实际上，这种拟合似乎效果很好，但如果我回到数据的密度表示，它看起来有点连线。所附图片为他们自己说话。知道那里出了什么问题吗？

这是我的代码：`

我正在使用 lmfit 来查找适合的置信区间，但它经常给我一个错误：ValueError: f(a) and f(b) must have different signs

这是一个最小的工作示例（运行几次以获取错误）：

为什么这样做？有解决办法吗？

谢谢

我有一个以 [R, G] 值的形式包含多个像素的实际归一化 R、G、B 值的数据集（因为 B 值可以使用 B = 1 - R - G 来计算）。所有这些价值观都是独一无二的。我也有一个类似的观察到的R、G、B 值的数据集，格式相同，即 [R，G]。由于观察到这些，因此这些值可能不是唯一的。我想在观测值上拟合一条基于最小二乘法的平滑曲线，以便在从观测值反向映射实际值时得到观测值和实际值之间的一一对应关系RGB 值。R 和 G 值的单独拟合可以使用 MATLAB 函数轻松完成，但它们并不完全独立，因此必须将数据集点视为元组。有没有办法在 MATLAB/OpenCV 中做到这一点？

编辑：稍微简化我的问题，我想要一个表面拟合或一个函数，例如 f(R _obs , G _obs ) -> R _actual和 g(R _obs , G _obs ) -> G _actual。这样我就可以得到一个净组合映射 h(R _obs , G _obs ) -> (R _actual , G _actual )。

我需要拟合下图的上包络线（即通过最大值的曲线）：

有没有办法在gnuplot中做到这一点？

我正在尝试找到可以将数据拟合到多元泰勒级数展开的 Java 库。

这是问题的数学描述：

我有一个因变量 y 和几个自变量 xi（例如，x1、x2、x3）。围绕每个 xi 的 y 的泰勒展开式可以写为：

y = a0 + a1*x1 + a2*x2 + a3*x3

我对 y 和相应的 x1、x2、x3 有很多观察。

[y, x1, x2, x3]_1

[y, x1, x2, x3]_2

[y, x1, x2, x3]_3

......

[y, x1, x2, x3]_n

（_n 代表观察）

我想将这些观察结果与上述泰勒展开式拟合并找出参数的值（a0、a1、a2、a3、a11 等）。

我正在尝试找到一个 java 数学库来完成这项工作。
看起来 Apache Commons Math 可以完成这项工作。
但我真的找不到应该使用哪个类。

非常感谢任何建议/帮助。

谢谢，

我正在尝试使用 Leastsq 拟合函数以拟合 fft 中的几个相关点。手头的问题是，无论拟合的好坏，参数绝对没有变化。换句话说，最小二乘法需要 6 次迭代并且对其中任何一个都不做任何事情，然后返回初始参数值。我无法确定为什么什么都没有发生。

拟合函数有许多操作来找到正确的索引，为了节省空间我不会在这里重现，但它会返回一个复数列表：

我曾尝试在返回中使用数组强制转换，但我会不断收到有关在复杂浮点数和真实浮点数之间强制转换的错误，即使我没有要求任何错误。即使使用这种方法，我偶尔也会收到 ComplexWarnings。

编辑：

根据要求，我提出了 gen_pat：

编辑2：

res = fmin_powell(fitting, guess, direc=[[1,0,0],[0,0.1,0],[0,0,1]])设法使用和修改后的回报来获得合适的工作。仍然想知道为什么 lestsq 不起作用。

没有关于应该如何输入 fmin-powell 的 direc 参数的信息。fmin_powell 的所有 scipy 文档都说是

方向：ndarray，可选

初始方向设定。

我认为通过给出direc=(0.1,0.1,1)，我告诉它从前两个拟合参数的步长 0.1 和第三个拟合参数的步长 1 开始，这在我的情况下是必需的，因为第三个参数对 0.1 的步长不敏感。但是，对于此代码，所有拟合参数都以 0.1 开头。如果我尝试direc=(1,0.1,1)，它将对所有破坏拟合的参数使用初始步长 1，因为第二个参数的范围为 (0,1)，如果它变为负数，则会导致除以零。你应该如何设置这个参数？

我坐着测量两种不稳定同位素（在同一个样品中）的辐射强度随时间的变化。辐射有两种不同的能量，给我留下了衰减的二阶指数公式——类似于指数衰减的公式，但有两个项，它们是相同的，但不同的起始强度和不同的半衰期不同同位素。

有很多方法可以将数据拟合到这个函数，但是我如何获得
拟合变量（半衰期和初始强度）的不确定性（例如以标准偏差的形式）？

我正在尝试将多项式拟合到我的数据中，例如

并说我知道多项式的次数（例如：3），然后我只使用 scipy.polyfit 方法来获得给定次数的多项式：

++++++++++++++++++++++++++++++++++++++++++++++++++++++ +++++++++++++++++++++++++

++++++++++++++++++++++++++++++++ 问题：++++++++++++++++++++ ++++++++++++++

1) 我怎么知道生成的函数 func 必须始终为正（即对于任何 x，f(x) >= 0）？

2）如何进一步定义约束（例如（本地）最小和最大点的数量等）以获得更好的拟合？

有没有这样的东西：http: //mail.scipy.org/pipermail/scipy-user/2007-July/013138.html 但更准确？

我有一个数据框df：

我需要适应每列y = a*x的x=df.index.values滞后时间

某些列可能包含 NaN，并希望在 pd.DataFrame({'column' : [],'slope' : [], 'stderr' : [] })

我可以单独提取数据并使用 numpy 拟合数据，x但这在我看来很乏味。yfitline()

有没有更好的方法来使用 panda ols 来完成这项工作？