对数据进行高斯分布拟合
对数据进行高斯分布拟合
提问于 2015-07-21 17:51:16
我有一个包含1440值(值在0-1之间)的向量y，它看起来像高斯分布。因此，我想找到一个最适合高斯分布的模型。
x=1:1440;
[sigma_,mu_] = gaussfit(x,y);
norm = normpdf(x,mu_,sigma_);我的问题是，范数中的值比y中的值小得多，也就是说，norm中的值是10-3的顺序，而y中的值是在0 1之间。
然后我必须添加一个额外的步骤，以便在0和1之间对范数的值进行归一化。
norm_data = (norm - min(norm)) / ( max(norm) - min(norm) );我的程序正确吗？( sigma和µ的估计，normpdf，归一化)是否有一种方法可以直接拟合到表示概率的原始数据？
可以从here下载y
回答 2
Stack Overflow用户
发布于 2015-07-21 17:58:31
假设您正在使用此gaussfit，如果您检查函数的头部：
% REMARKS:
% The function does not always converge in which case try to use initial
% values sigma0, mu0. Check also if the data is properly scaled, i.e. p.d.f
% should approx. sum up to 1这意味着在拟合之前，你需要确保sum(y)==1+err是错误的小东西。
您的y的sum(y)为470.1964，这与1相去甚远。在拟合数据之前，对数据进行归一化，使之等于1。
编辑
实际上，如果数据不是(或多或少，它接受0.5-1.5范围内的数据)，函数确实会标准化。并且工作得非常好。由于y在函数内部是标准化的，如果您想要将结果norm与y进行比较，则需要标准化y或反规范化norm。
% normalize y
plot(x,norm,x,y./sum(y))
% denormalize norm
plot(x,norm*sum(y),x,y)在任何一种情况下(但规模不同)：
Stack Overflow用户
发布于 2015-07-21 19:23:52
gaussfit(x，y)对数据进行归一化高斯拟合。如果你的数据没有被标准化，这是不能工作的。如何恰当地拟合它的问题已经回答了here！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/31535729
复制相关文章
相似问题
腾讯云开发者
