问题标签 [data-fitting]

我打算将 2D 高斯函数拟合到显示激光束的图像中，以获取其参数FWHM和位置。到目前为止，我试图了解如何在 Python 中定义二维高斯函数以及如何将 x 和 y 变量传递给它。

我写了一个小脚本来定义这个函数，绘制它，给它添加一些噪音，然后尝试使用curve_fit. 除了我尝试将模型函数拟合到嘈杂数据的最后一步之外，一切似乎都有效。这是我的代码：

这是我在运行脚本时收到的错误消息winpython 64-bit Python 2.7：

我做错了什么？是我如何将自变量传递给模型function/curve_fit吗？

为什么添加第二个解释变量后拟合会变差？

我正在尝试使用 Scipyleastsq为二维中的一组测量点坐标找到“方形”网格的最佳拟合（实验点大约在方形网格上）。

网格的参数是间距（等于 x 和 y）、中心位置 (center_x和center_y) 和rotation(度数)。

我定义了一个误差函数，计算每对点的欧几里得距离（实验网格与理想网格）并取平均值。我想彻底减少这个功能leastsq，但我得到一个错误。

以下是函数定义：

这是实验坐标：

我尝试以leastsq这种方式使用：

但我收到以下错误：

我不知道这里有什么问题:(

在 SciPy 中拟合分布时是否可以修复参数？例如，这段代码：

导致非零位置 ( loc)。

当某些参数被提供给fit函数时，它被认为是初始猜测。如果将其提供给构造函数 ( st.expon(loc=0))，则分布将“冻结”并且不能用于拟合。

我有一组等距角度的测量半径（t+epsilon+error）。该模型是一个以 (r, Alpha) 为中心的半径 (R) 圆，添加了小噪声和一些比噪声大得多的随机误差值。

问题是找到圆模型的中心（r，Alpha）和圆的半径（R）。但它不应该对随机误差过于敏感（在下面的数据点 7 和 14）。

一些半径可能会丢失，因此简单的平均值在这里不起作用。

我尝试了最小二乘优化，但它对错误有很大的反应。

有没有办法在 Python 中优化最小增量而不是最小二乘？

Update: solved! It is producing parameters with the correct signs now, and they do fit the curve. The problem was defining func(a,b,c,x) but curve_fit needs to read x first: func(x,a,b,c). Thanks everyone for all the help! I'll have quantitative analysis when I meet with my boss today :)

Here's some of the new fits: http://imgur.com/NHnzR2A

(I still get a run-time error:

)

Can anyone help me figure out what's wrong with this code? I am new to scipy. I am trying to model bacterial growth with the Gompertz equation, but my code produces a curve_fit that's completely wrong. You can see images of my real data, the model equation, and the fit this code produces in this imgur album Thanks!

Fixed code:

我有一组包含两个参数的观察结果。

如何将其拟合到 copula 中（估计 copula 的参数和边际函数）？

假设边际分布是对数正态分布，而 copula 是 Gumbel copula。

数据如下：

和meanlog值sdlog来自数据集。错误信息：

如何选择给定数据的 copula 参数，以及从数据集导出的边距分布？

出于某种原因，polyfit 函数不断为我的函数提供 NaN，我根本不理解，因为当使用另一个函数时，它工作得很好。这是我的代码：

请指教。

我需要进行数据拟合以找到给定数据的分布。

我需要找到分布的pdf函数。

我可以在 matlab 和 python 中使用数据拟合函数。

它看起来像一个截断的伽马。

但是，如何找到分布的参数？

如果数据不能很好地拟合截断的伽马怎么办？

QQ 图（四分位数）表明它不适合截断伽马。

如何找到截断 gamma 的分布参数，例如 alpha（形状）、beta（比例）？

如果数据拟合在这里不起作用，我可以使用哪些其他方法？

任何帮助，将不胜感激。

我正在尝试使用优化库 MPFIT 将高斯函数拟合到我的数据中。实际上，此代码是 MPFIT 库附带的示例代码的一部分。原始代码自动在内部以数字方式计算函数的导数，并且运行良好。MPFIT 库还允许用户提供函数衍生物。这就是问题开始的地方。这是用于计算残差和函数的一阶偏导数的函数。

'if (derivs)' 行上方的代码是原始代码，但经过重构，下面的代码是我用于计算导数的代码。我相信我的数学是正确的，它们已通过https://math.stackexchange.com/questions/716545/calculating-the-first-order-partial-derivatives-of-the-gaussian-function/716553验证

有没有人在将 MPFIT 与用户定义的导数一起使用时遇到同样的问题？

谢谢你。