我有一堆形式的数据点(x_i,y_i)
,我想在Python中适应高斯曲线。数据的x值包含在部分或全部间隔中[0,100]
。(x轴具有百分比单位。)我知道Python具有诸如lmfit
执行最小二乘残差最小化以确定参数值的包。我想使用lmfit
或其他Python包来计算最合适的参数值,这些参数值受限于曲线的值(非参数)x=0
和x=100
等于某些给定数字的约束。
这可以用Python完成吗?如果是这样,怎么样?
发布于 2018-09-18 15:40:03
我知道这样做的唯一方法是使用加权回归。通常,回归权重与数据值的不确定性成反比,如果数据不确定性未知(通常为真),那么权重都隐含地等于1.这里,您实际上在这两个值中100%确定,也就是说,不确定性为零 - 这意味着你可以使用加权回归,其中所有权重都是1,除了这两个点,权重是非常大的值。如果所有其他权重都是1,那么100,000或1,000,000就足够了。
https://stackoverflow.com/questions/-100002674
复制相似问题