问题标签 [model-fitting]

问题：我有一组表现出周期性变化的测量值（时间、测量值、误差），我想用傅里叶级数形式拟合它们

其中 A0 是我的测量值的平均值，t 是时间，t0 是（已知）参考时间，P 是（已知）周期。我想拟合系数 A_k 和 phi_k。

这是我目前所拥有的：

我估计残差如下：

然后我适合它：

程序成功完成，但拟合似乎失败，如下图所示：

我不确定我在这里做错了什么，但也许专家可以提供一些建议。如果有人愿意提供帮助，我很乐意提供测试数据集。

我想优化 SIR 模型的拟合。如果我只用 60 个数据点拟合 SIR 模型，我会得到一个“好”的结果。“好”意味着，拟合的模型曲线接近数据点，直到 t=40。我的问题是，我怎样才能更好地适应，也许基于所有数据点？

我期待这样的事情：

步骤1。加载所需的包。

第2步。生成 10,000 个适合 gamma 分布的数字。

步骤 3。绘制 pdf（概率密度函数），假设我们不知道x适合哪个分布。

第4步。从图中我们可以看出 的分布x很像 gamma 分布，所以我们使用fitdistr()in packageMASS来获取 gamma 分布的shape和的参数rate。

步骤 5。在同一个图中绘制实际点（黑点）和拟合图（红线），这是问题，请先看图。

问题一：真正的参数是shape=2, rate=0.2，我用函数fitdistr()获取的参数是shape=2.01, rate=0.20。这两个几乎一样，但是为什么拟合图不能很好地拟合实际点，肯定是拟合图有问题，或者我绘制拟合图和实际点的方式完全错误，我该怎么办?

问题2：在我得到我建立的模型的参数后，我以哪种方式评估模型，比如线性RSS(residual square sum)模型，或者p-value其他测试？我统计知识贫乏，请大家帮我解答一下，谢谢！（ps：我在google和stackoverflow上搜索过很多次，但都没有用，所以不要投这个问题没用，谢谢！ )shapiro.test()ks.test()

我对拟合的残差平方和有疑问。残差的平方和太高，说明拟合不是很好。但是，从视觉上看，拥有如此高的剩余价值看起来不错……谁能帮我知道发生了什么？

我的数据：

然后使用 nlsLM 函数（minpack.lm 包）进行拟合：

这个值是残差：

平方和残差太高：12641435 ...

是这样还是调整有问题？这是坏的？

我想知道使用 Scipy 拟合 Pandas DataFrame 列的最佳方法。如果我有一个数据表（Pandas DataFrame），其中Z 取决于 A、B、C 和DA列（）。BCDZ_realZ_pred

要拟合的每个函数的签名是

其中 series 是对应于 DataFrame 每一行的 Pandas 系列。我使用 Pandas 系列，以便不同的功能可以使用不同的列组合。

我尝试将 DataFrame 传递给scipy.optimize.curve_fit使用

但由于某种原因，每个 func 实例都将整个数据表作为其第一个参数而不是每行的 Series 传递。我也尝试将 DataFrame 转换为 Series 对象列表，但这会导致我的函数被传递一个 Numpy 数组（我认为是因为 Scipy 执行从 Series 列表到不保留 Pandas 的 Numpy 数组的转换系列对象）。

我最近一直在做一个项目，我必须在 3D 网格中检测墙壁、地板和天花板。在做了一些研究之后，我已经能够使用 RANSAC 算法检测到地板和墙壁的某些部分。我只是想知道是否有人能够解释平面拟合和平面分割之间的区别，因为它们似乎都导致包含地板的点云？

u(z)我正在尝试将模型拟合到我的风廓线数据集，即不同高度的风速值z。

该模型由两部分组成，我现在将其简化为：

在对数模型中，ust和z0都是自由参数 k是固定的。zsl是表面层的高度，它也不是先验的。

我想将此模型拟合到我的数据中，并且我已经尝试了不同的方法。到目前为止，我得到的最好结果是：

这给了我对所有参数的合理估计，除了zsl在拟合过程中没有改变的参数。我想这与用作阈值而不是函数参数的事实有关。在优化过程中有什么方法可以让我zsl改变吗？

我用 numpy.piecewise 尝试了一些东西，但效果不太好，可能是因为我不太了解它，或者我可能完全离开这里，因为它不适合我的事业。

对于这个想法，如果轴反转（z绘制对比u），风廓线看起来像这样：

我确实有一个与绘制时间序列的实际数据和拟合模型的值有关的问题。特别是，我的问题与本文有关：

https://static.googleusercontent.com/media/www.google.com/en//googleblogs/pdfs/google_predicting_the_present.pdf

在文档的附录中，您可以找到一个 R 脚本。在这里，我确实有两个初步问题：（1）什么

做什么以及它的功能是什么：

最后和主要问题：假设我得到了我的数据的计算

形容词。R 平方值为 0.342。因此，我认为上面的模型解释了建模数据（预测数据？）和实际数据之间大约 34% 的差异。现在，我怎样才能绘制这个“模型图”（拟合），以便在论文中得到类似的东西？

我假设第二张图的“拟合”实际上是来自估计模型的数据，对吧？如果是这样，那么脚本中似乎缺少这部分。

非常感谢！

编辑1：

试过这个：

输出：（函数中的错误（公式，数据 = NULL，子集 = NULL，na.action = na.fail，：可变长度不同（找到“月份”）

我正在尝试从这个答案中重现代码，但是这样做有问题。我正在使用包中的 gumbel 发行版VGAM和fitdistrplus. 这样做时会出现问题：

好像location而且scale不是 *gumbel 的论点。

dgumbel, pgumbel,rgumbel和qgumbel由 正确VGAM。然而，该包还提供了一个名为 的函数gumbel，具有不同的语法。这可能会导致问题吗？

编辑：是的，它确实引起了问题：使用包FAdist代替工作得很好。

在将一些 NA 分配给某些值后，我无法清理数据框。首先，我有一个名为 credit_clean 的 data.frame，其中没有 NA。它看起来像这样。

然后我将 NA 分配给 df 的不同列中的异常值。

我创建了一个名为 credit_cl 的新 df，删除了 NA 值。新的 df 有 120005 个观测值，并且不再有 NA。

问题来了，当我尝试使用线性回归进行拟合和预测时，它什么也没做，甚至没有显示错误。当我尝试使用来自 library(woe) 的名为 iv.mult() 的信息值函数时，我也遇到了这个问题。

R 然后什么都不做，所以我不知道是否发生了错误，因为数据框看起来像我使用过的任何其他 df。

我正在使用 R 版本 3.1.3 (2015-03-09) -- 带有 RStudio 版本 0.99.891 的“Smooth Sidewalk”