1回答
我有一个(x, y)点的列表。我知道如何制作Bézier曲线的列表，这些曲线通过所有这些点，并有一个连续的第一(和第二，尽管不太重要)导数。然而，我最后得到的清单太长了。如果它能让我减少曲线的数量，我会更倾向于近似我所拥有的点。我希望能够传递一个参数，说明我得到的近似值有多近，或者曲线的最大数目，最好是前者。
我希望这样做的原因是，最终结果将有一个图形用户界面，用户可以编辑Bézier曲线，而且只要曲线接近，就不需要精确地通过每个点。更多的曲线使编辑变得更加困难。
编辑:更多关于这个目的的信息。我在试着制作图像编辑软件。当有人加载位图时，我希望能够跟踪一条中心线。Potrace是我用来跟踪形状
浏览 18提问于2016-11-18得票数 2
回答已采纳
我理解多项式回归试图实现的目标(通过最小二乘法实现最佳拟合)，但我找不到在多项式中找到系数的算法。暴力是不可行的，这是我能想到的唯一解决方案。有没有迭代系数的方法？我是不是漏掉了什么明显的东西？
浏览 3提问于2016-10-25得票数 0
1回答
我有一个很大的三维点云，我正在尝试定义它的形状，大小和体积。我使用scipy.spatial.convexHull来找到点云的凸包，它给出了点云的体积，然后我使用凸包的顶点来拟合椭球，以定义其大小和形状。我确定了两个用于拟合椭球的可能的python模块：pyEllipsoid_Fit (https://github.com/marksemple/pyEllipsoid_Fit)和ellipsoid_fit_python (https://github.com/aleksandrbazhin/ellipsoid_fit_python)，这两个模块似乎都派生自Yury Petrov的同一个MAT
浏览 102提问于2021-03-24得票数 2
回答已采纳
1回答
如何将此方程拟合到一组数据(x，y)
y = a x ^ b + c
我尝试了最小二乘法(在Maple软件中)和低功耗，但它不起作用！
浏览 2提问于2012-04-21得票数 1
回答已采纳
1回答
用枕叶拟合数据
、、、、
我有两个数据集，根据不同的方程计算，现在我想将两个数据集拟合到相同的趋势线，或者将一个数据集拟合到另一个数据集。我想限制蓝色数据集、橙色数据集和红色趋势线，我想知道我是否可以使用SciPy (scipy.optimize.leastsq或scipy.optimize.curve_fit)，但我不知道如何使用，我不明白指令，因为他们要求函数作为输入，这正是我想要的函数，函数，我有点(x，y)。
浏览 5提问于2022-01-20得票数 0
回答已采纳
1回答
我有一组数据，我想要拟合一个幂律函数
y=a*x**b
使用gnuplot。对于x方向和y方向，我都有错误，我不知道如何拟合关于这两个错误的函数。我使用gnuplot来进行拟合，但是看起来并不是很有希望，而且我不能使用错误信息。
我只知道(y)错误与Gnuplot相适应，但我不知道两者都是(x and y)错误。
f(x)=log10(a)+b*(x) # for fitting
fit f(x) "file name" using 1:2:3 via a, b
浏览 1提问于2014-11-16得票数 0
我在笛卡尔平面上有6个坐标点，XY，放置在一个圆的一边。用最小二乘法对这6个点拟合一个圆，在XY坐标下再求出拟合圆的半径和中心是比较容易的。然而，对于这6个点，我也有高度方位坐标，因为这些点都在天空上，所以我想知道是否可以把曲线拟合到这些弯曲坐标上，然后找到那个圆的中心。
浏览 3提问于2022-07-14得票数 1
from numpy import *
from matplotlib.pyplot import *
import pandas as pd
data = pd.read_csv('student-mat.csv', sep=';')
predict = 'Markup'
original = 'OriginalPrice'
y = np.array(data[predict])
x = np.array(data[original])
p1 = polyfit(x,y,1)
p2 = polyfit(x,y,2)
p3
浏览 24提问于2020-07-17得票数 1
回答已采纳
这个问题类似于问题，如何将二维椭圆(在x-y平面上)拟合到给定点？(请参阅下面的链接) (How to fit a 2D ellipse to given points) 现在，我们已经知道了如何使用最小二乘法通过Casey提供的代码来拟合具有给定点的二维椭圆。(下面还提供了代码。)根据这段代码，如果我不仅想要拟合给定点，而且想要拟合(0,0)处的给定焦点，我该怎么做呢？还有没有更好的方法呢？ 我在想，我们是否可以基于椭圆方程Ax^2 + Bxy + Cy^2 + Dx + Ey=1推导出焦点(作为x和y的函数)，其中A，B，C，D，E是系数，并将其用作最小二乘法的约束。但不幸的是，我也不知
浏览 31提问于2021-01-13得票数 0
回答已采纳
3回答
我正在尝试拟合我一直在运行的模拟代码中的一些数据，以便找出幂律依赖关系。当我绘制线性拟合时，数据不能很好地拟合。
下面是我用来拟合数据的python脚本：
#!/usr/bin/env python
from scipy import optimize
import numpy
xdata=[ 0.00010851, 0.00021701, 0.00043403, 0.00086806, 0.00173611, 0.00347222]
ydata=[ 29.56241016, 29.82245508, 25.33930469, 19.97075977, 12.61276074
浏览 0提问于2012-04-17得票数 11
回答已采纳
1回答
我在寻找一种在Javascript中进行线性曲线拟合的方法。我找到了几个库，但它们不会传播错误。我的意思是，我有数据和相关的测量误差，比如：
x = [ 1.0 +/- 0.1, 2.0 +/- 0.1, 3.1 +/- 0.2, 4.0 +/- 0.2 ]
y = [ 2.1 +/- 0.2, 4.0 +/- 0.1, 5.8 +/- 0.4, 8.0 +/- 0.1 ]
我的符号a +/- b的意思是{ value : a, error : b }。
我想将其融入到y = mx + b中，并找到m和b及其传播错误。我知道最小二乘法算法，我可以实现，但它只接受错误的y变量，我有两个明显的错误
浏览 2提问于2017-04-21得票数 7
回答已采纳
2回答
图像曲线拟合的多项式最小二乘法
、、、、
我正在尝试将一条曲线拟合到图像中的一些像素，这样我就可以对它的形状做进一步的处理。有谁知道如何在C/++中实现最小二乘法，最好使用以下参数:x数组、y数组和answers数组( answers数组的长度应该说明需要计算多少个系数)？
浏览 4提问于2012-07-15得票数 1
回答已采纳
我正在做一些关于实现图像的Savitzky-Golay滤波器的研究。据我所知，这个滤波器的主要应用是信号处理，例如平滑音频文件。 这个想法是通过点P(i)周围的定义邻域拟合一个多项式，并将该点P设置为他的新值P_new(i) =多项式(I)。 在2D空间中的问题是-在我看来-不只有一个方向来做拟合。你可以使用不同的“方向”来寻找多项式。喜欢for [51 52 11 33 34]
[41 42 12 24 01]
[01 02 PP 03 04]
[21 23 13 43 44]
[31 32 14 53 54] 可能是： [01 02 PP 03 04], (horizontal)
[1
浏览 69提问于2019-03-08得票数 0
我有一些数据点，我需要拟合这种形式的指数曲线。
y = B * exp(A/x)
(没有的帮助)。
到目前为止，我试图通过应用日志将模型线性化，结果是
log(y/B) = A/x
log(y) = A/x + log(B)
然后我可以把它写在表格里。
Y = AX + B
现在，如果我忽略了B，那么我就可以用
A = pseudoinverse (X) * Y
但我被B的价值观困住了。
浏览 2提问于2015-04-14得票数 1
回答已采纳
在我看来是一样的，但我不确定。
更新:回想起来，这不是一个很好的问题。OLS指的是将一条线与数据相匹配，而RSS是OLS使用的成本函数。找出给出最小残差和平方误差的参数。它在OLS中被称为普通，指的是我们正在做线性拟合。
浏览 0提问于2016-04-28得票数 9
2回答
我有一个由点集合组成的数据集。这些点以这样的方式分布在平面上，即它们可以粗略地以抛物线为边界。我正在试着找到一种方法来拟合抛物线到点的边界。
以下是我目前的资料：
a = 1
b = 2
c = 3
parabola <- function(x) {
a * x^2 + b * x + c
}
N = 10000
x <- runif(N, -4, 3)
y <- runif(N, 0, 10)
data <- data.frame(x, y)
data <- subset(data, y >= parabola(x))
plot(dat
浏览 5提问于2012-11-23得票数 8
回答已采纳
1回答
我想测量指数衰减曲线的拟合优度。我正在使用lsqcurvefit MATLAB函数。有人建议我做一个。
我想使用MATLAB函数chi2gof，但我不确定如何判断数据是否符合指数曲线。
浏览 0提问于2012-09-27得票数 2
回答已采纳
我在使用matlab时遇到了问题。我需要用一个非线性函数来拟合一个数据集，比如：
f=alfa*(1+beta*(zeta))^(1/3)
其中alfa和beta是要找到的系数。我想用最小二乘法。如何使用命令lsqcurvefit执行此操作？否则，还有其他方法来解决我的问题吗？非常感谢。下面是数据集：
zeta val
0.001141174 1.914017718
0.010606563 1.36090774
0.021610291 1.906194276
0.070026172 1.87606762
0.071438139 1.877264055
0.081679327 1.8593
浏览 1提问于2013-09-17得票数 0
3回答
我一直在使用numpy (使用最小二乘法)在python中做一些拟合。
我想知道是否有办法让它适应数据，同时强迫它通过一些不动点？如果不是，在python中是否还有其他库(或者我可以链接到的另一种语言-例如c)？
注意:我知道，通过将一个不动点移动到原点并强制常量项为零(如这里所指出的那样)，可以强迫它通过一个不动点，但对于2个或更多不动点，我想知道更一般的情况：
浏览 6提问于2013-03-03得票数 23
我有一些数据，y有误差，y_err，测量值为x。我需要拟合一条直线，以模拟matlab中的一些代码，特别是具有稳健"on“的拟合方法，并将权重设为1/yerr。matlab文档称它使用了bisquare方法(也称为TukeyBiweight方法)。目前为止我的代码是..。
rlm_model = sm.RLM(y, x, M=sm.robust.norms.TukeyBiweight())
rlm_results = rlm_model.fit()
print rlm_results.params
然而，我需要找到一种方法，包括来自yerr的权重。希望大家能帮忙
浏览 7提问于2014-02-13得票数 1
回答已采纳
我一直在寻找一个C++库，它可以近似于一个多项式函数f(x，y) =z，给定一组已知的三维点(x，y，z)。
使用matlab中的fit函数或曲线拟合工具(请参见链接中的图像中的具体示例)，这很简单，但我需要将此功能集成到一些用C/C++编写的现有软件中，因此我需要专门寻找一个C++库。有人能给我指点可能有用的东西吗？
我遇到过许多曲线拟合库，但它们似乎都局限于一维曲线的拟合。我一直在寻找回归和插值函数，也许我是在寻找错误的东西？
📷
浏览 0提问于2023-01-02得票数 1
我有一个数据集，我想要调整到以下函数，并找到参数a和b： ? 我尝试了非线性最小二乘法，然而，我想通过反复尝试，使用一个向量a的值，另一个向量b的值，然后绘制所有混合这些值的备选方案，以选择更好的拟合。 library(readxl)
library(ggplot2)
x <- c(52.67, 46.80, 41.74, 40.45)
y <- c(1.73, 1.84, 1.79, 1.45)
df <- data.frame(x,y)
ggplot(data = df, aes(x, y))+
geom_point()+
stat_smooth(me
浏览 34提问于2020-06-16得票数 0
我有数据文件：
10.0000 -330.12684910
15.0000 -332.85109334
20.0000 -333.85785274
25.0000 -334.18315783
30.0000 -334.28078907
35.0000 -334.30486903
40.0000 -334.30824069
45.0000 -334.30847874
50.0000 -334.30940105
55.0000 -334.31091085
60.0000 -334.31217217
用于满足这一要求的命令
f(x) = a+b*exp(c*x)
fit f(x) datafile
浏览 1提问于2020-11-10得票数 0
回答已采纳
4回答
给定一组点，拟合抛物线的最快方法是什么？它是在做最小二乘计算，还是有迭代的方式？
谢谢
编辑:我认为梯度下降是可行的。最小二乘计算可能会有点繁琐(必须做qr分解或其他事情来保持稳定)。
浏览 2提问于2010-10-28得票数 6
回答已采纳
1回答
我有两个带有double数据的ArrayLists。我已经在使用移动平均平滑了。每200-500ms收集一次数据。这是一个典型的图(在安卓中使用GraphView )的样子：
由于数据收集速率受到我使用的硬件的限制，这就是结果的锯齿状。很容易看到单独的点。
如何使函数看起来平滑和连续(通过更改ArrayLists或更改GraphView中的某些设置从数学上实现
多项式拟合是可行的，还是应该结合使用滤波和移动平均？
我很感激！
浏览 3提问于2019-06-30得票数 0
我想尝试使用LSMR算法，所以我生成了一些数据并运行了最小二乘法。为什么LSMR解决方案和封闭形式的解决方案与我用来生成数据的真正$\beta$不同？
using Distributions: Normal
using IterativeSolvers: lsmr
# Settings
n = 500
k = 50
# Generate data
X = rand(Normal(0.0, 0.1), (n, k)) + rand(Normal(0.0, 0.2), (n, k))
β = randn(k)
y = (X * β) + rand(Normal(0.0, 0.1), n)
# So
浏览 6提问于2021-11-19得票数 3
5回答
给定三维空间中的多条(N)线，找出与所有直线的距离最小的点。
假定直线aX +b与点P之间的最短距离将在垂直线aX+b上，则最小平方距离可以表示为平方线距离之和。(aX+b)^2 +…+(aX+bn-P)^2。
由于直线是垂直的，所以我可以用点乘积来表示直线项中的P
我考虑过用最小二乘法来估计点的最小距离，问题是标准的最小二乘将近似于给定一组点的最佳拟合线/曲线，而我所需要的是相反的，给定一组线估计最佳拟合点。
应如何处理这一问题？
浏览 5提问于2014-07-14得票数 4
我正在尝试拟合我的数据，到目前为止我已经使用了sp.optimize.leastsq。我更改为sp.optimize.least_squares来添加参数的界，但无论是在使用界还是不使用边界时，搜索都不会收敛，即使在数据集中，sp.optimize.leastsq拟合得也很好。
这些功能不应该是一样的吗？
他们之间有什么区别，使新的不找到老的解决办法呢？
浏览 19提问于2022-08-24得票数 0
我有两个函数和一组数据。这两个函数具有相同的x数据和相同的参数。我希望通过最小二乘法来获得参数，使我的数据达到最佳拟合。
参数是: ex，ey，ez。
X数据是: RA，DE (如3000点)。
Y数据为: dRA，dDE。
我试过了，但我得到了一个错误的解决方案：
def residuals(p, dRA, dDE, RA, DEC):
ex,ey,ez = p
f1 = dRA-(ex*sin(DEC)*cos(RA)+ey*sin(DEC)*sin(RA)-ez*cos(DEC))
f2 = dDE-(-ex*sin(RA)+ey*cos(RA))
err
浏览 0提问于2012-05-19得票数 3
回答已采纳
1回答
我想在R中执行加权非负最小二乘(即所有拟合系数都是>=0)。nnls包中的nnls函数似乎不支持权重。我是否可以通过将协变量矩阵weights和因变量y乘以weights向量的平方根来模拟weights函数中的weights，就像一样？还是有更好的方法来做到这一点？
浏览 3提问于2017-12-19得票数 2
回答已采纳
我目前正在编写一些MatLab代码，以遵循中描述的方法将实验数据拟合到指数和。
根据这篇论文，数据必须遵循以下等式(用伪代码编写)：
y = sum(v(i)*exp(-x/tau(i)),i=1..n)
这里的tau(i)是一组n预定义常量。常量的数量还决定了求和的大小，从而决定了v的大小。例如，我们可以尝试拟合100个指数之和，每个指数具有不同的数据tau(i)。然而，由于拟合和指数和的性质，我们需要为问题添加另一个约束，因此需要添加到所使用的最小二乘方法的成本函数中。
通常，最小二乘法的成本函数由下式给出：
(y_data - sum(v(i)*exp(-x/tau(i)),i=1..n
浏览 1提问于2015-08-09得票数 1
2回答
我正在尝试通过图像中的某些点获得一条线性最佳拟合直线，但无法获得一条看起来合乎逻辑的直线。我不确定我在这里做错了什么，或者在这种情况下，这是否真的是最合适的线。
这是原始图像：
这是在选择感兴趣的区域，过滤边缘，然后绘制通过该边缘的像素的最佳拟合线之后的结果。
我期望最好的拟合线(结果中的蓝线)几乎是垂直的。然而，如图所示，它是倾斜的，而红色的点都接近垂直，并且没有散布在图像周围。如何正确检测垂直线？
代码：
image = imread('https://i.stack.imgur.com/rQ1SQ.png');
image = rgb2gray(ima
浏览 13提问于2019-08-05得票数 0
7回答
我曾经使用MATLAB，对于我提出的问题，我可以使用p= polyfit(x，y,1)来估计板中散点数据的最佳拟合线。我想知道我可以依靠哪些资源来用C++实现直线拟合算法。我知道这个主题有很多算法，对我来说，我希望算法应该是快速的，同时它可以在MATLAB中获得与多项式函数相当的精度。
浏览 3提问于2012-07-12得票数 8
回答已采纳
我手头的问题是:我正在使用scipy curve_fit来拟合曲线()，但在许多情况下，估计这种曲线的参数指的是局部多个“局部”极小值之一，而不是“全局”最小值。考虑到curve_fit是如何设计的，这是意料之中的。不过，我真的需要我的全球最低标准。
为了找到它，我最初的预感是乘以初始起点，运行多个curve_fit实例，并选择一个拟合误差最小的实例，但在我个人的初步猜测估计中会有许多偏差(组合的数量可能很大，这将有损于性能)。
你是否碰巧知道如何进行更好、更快和/或方法更完善的方法？(他们不需要用最小二乘法，必要的话我可以做一些临时的东西)
浏览 0提问于2018-03-25得票数 3
回答已采纳
2回答
我一直试图使用curve_fit()获得数据点的最佳多项式拟合，但是我的代码给出了以下错误。谁能帮我弄明白小故障在哪里。在此之前，非常感谢您。
TypeError:不支持输入类型的ufunc 'bitwise_xor‘，并且根据“安全”规则，不能安全地强制输入到任何受支持的类型。
from scipy.optimize import curve_fit
from scipy.interpolate import *
def func(x, a, b, c, d):
return a*x^3 + b*x^2 + c * x + d
Xdata1 = np.array([1
浏览 0提问于2019-09-09得票数 0
回答已采纳
1回答
这一问题的根源是常见的：
有大量的列车数据，这些数据都是用块读取的。兴趣点是将期望的模型按顺序拟合在块数据集上，保持先前的拟合状态。
在不同的数据上，除了partial_fit()之外，有没有其他方法来拟合模型？或者有什么技巧可以重写fit()函数的代码来定制它来解决这个问题呢？还是有可能用pickle来实现
浏览 2提问于2016-08-11得票数 8
回答已采纳
我试图用最小二乘法将实验数据拟合到一个三次多项式方程中。我有两个自变量和一个因变量，这使得它是非线性拟合。我已经用函数'fitnlm‘和'lsqcurvefit’计算了系数，这两个函数都推荐用于非线性回归拟合。我从这两个函数中获得了不同的系数值，尽管我输入了相同的初始系数(猜测)值。请告知这两个函数中哪一个更好，以及我可以信任谁的系数。还有，使用lsqcurvefit时，如何检查均方根误差的值？非常感谢您的帮助/建议/有用的评论。
浏览 0提问于2014-03-21得票数 1
1回答
我想要拟合一条从理论模型到实验数据点的曲线。该模型由5个参数组成。我可以很容易地得到最合适的，但我想要不同的东西。我需要尽可能接近的拟合，但它永远不应该低于实验曲线。换句话说，拟合的每个y值都应该大于或等于实验中相应的y值。我非常感谢任何关于如何实现这一点的想法。谢谢!
浏览 16提问于2016-07-17得票数 2
2回答
我正在尝试对一些数据拟合一个圆圈。这需要数值求解一组三个非线性联立方程组(参见的完全最小二乘法)。
在我看来，IDL提供的NEWTON函数很适合解决这个问题。NEWTON需要一个函数的名称，该函数将为自变量的特定值计算方程系统的值：
FUNCTION newtfunction,X
RETURN, [Some function of X, Some other function of X]
END
虽然这很好用，但它要求方程系统的所有参数(在本例中是数据点的集合)都是在newtfunction中硬编码的。如果只有一个数据集需要求解，这是很好的，但是我有数千个数据集，并且不能手动为每个数据
浏览 2提问于2014-10-26得票数 0
1回答
矢量化线性模型
、、、
在R中使用lm()可以执行以下操作
fit <- lm(organ_volumes~sex+genotype, data=factors)
其中，器官体积是一个矩阵，其中每一列是一个不同的变量。每一列依次适合于lm文档中描述的线性模型：
如果响应是矩阵，则对矩阵的每一列分别用最小二乘法对线性模型进行拟合。
是否有任何方法可以在Python中使用状态模型来实现类似的操作，而不需要遍历每一列，这要比R方法慢得多？
浏览 2提问于2020-03-26得票数 0
回答已采纳
1回答
我对聚类方法有一些问题，那就是K-Means我想用经纬度坐标对一个新数据进行聚类。但在此之前，我已经使用现有数据自己设置了集群中心。有没有人能用python代码解释一下，如何将集群中心数据输入到kmeans方法中，而不需要对kmeans进行拟合？因为当现有的数据拟合到kmeans时，聚类的中心会发生变化，所以新的数据将基于从拟合结果中获得的新的聚类中心。 感谢您的关注
浏览 64提问于2021-08-04得票数 0
我想用y=a^(b^x)来拟合下面的数据，
y <- c(1.0385, 1.0195, 1.0176, 1.0100, 1.0090, 1.0079, 1.0068, 1.0099, 1.0038)
x <- c(3,4,5,6,7,8,9,10,11)
data <- data.frame(x,y)
当我使用非线性最小二乘法时，
f <- function(x,a,b) {a^(b^x)}
(m <- nls(y ~ f(x,a,b), data = data, start = c(a=1, b=0.5)))
它产生一个误差:奇异梯度矩阵在初始参数估计。结果大
浏览 0提问于2014-02-16得票数 6
回答已采纳
是否有一个已知的通用统计技术表来解释它们如何与样本大小和尺寸进行缩放？例如，前几天，我的一位朋友告诉我，简单地快速排序大小为n的一维数据的计算时间为n*log(n)。
例如，如果我们将y与X的回归，其中X是一个d维变量，它是O(n^2*d)吗？如果我想要通过精确的Gauss解与牛顿法的数值最小二乘法求出解，它是如何缩放的？还是简单地获得解决方案和使用重要性测试？
我想我更想要一个好的答案来源(比如一篇总结各种统计技术的论文)，而不是一个好的答案。比如，一个列表，包括多元回归，logistic回归，PCA，cox比例风险回归，K-均值聚类等等。
浏览 0提问于2014-08-05得票数 10
9回答
我有一个很大的3D数据点集合，我想要将它们拟合到一个椭球体上。
我的数学很差，所以在没有任何数学库的情况下，我在实现最小二乘法时遇到了麻烦。
有没有人知道或者有一段代码可以将椭球拟合到我可以直接插入到我的项目中的数据？最好是用C语言，但对我来说，从C++，Java，C#，python等语言转换应该没有问题。
编辑:能够找到中心也是一个很大的帮助。请注意，这些点不是均匀分布的，因此取平均值不会导致中心。
浏览 1提问于2011-09-01得票数 8
回答已采纳
要拟合的模型是方程
def func(x, b):
return b*np.exp(-b*x)*(1.0 + b*x)/4.0
我知道b=0.1对我的数据来说是一个很好的猜测
0 0.1932332495855138
1 0.0283534527253836
2 0.0188036856033853
3 0.0567007258167565
4 0.0704161703188139
5 0.0276463443409273
6 0.0144509808494943
7 0.0188027609145469
8 0.0049573500626925
9 0.0064589075683206
浏览 2提问于2020-05-20得票数 0
1回答
我用OpenCV和MATLAB校准了一台带有棋盘图案的相机。在.489和MATLAB中，分别得到了平均重投影误差的.187和OpenCV .从外观上看，MATLAB更精确。但是我的顾问认为MATLAB和OpenCV都使用相同的BOUGET算法，并且应该报告相同的错误(或关闭)。是这样吗？有人能解释b/w MATLAB和OpenCV相机标定方法的差异吗？
谢谢!
浏览 2提问于2014-06-18得票数 4
回答已采纳
我对Python 3D拟合和相关的优化技术还很陌生。我试图理解类似的主题，并基于最小二乘法找到答案，但我的成功相当有限。 问题:我在np数组中存储了一个三维点的数量(大约400个)。 data = np.array([[x1, y1, z1], [x2, y2, z2], [x3, y3, z3], [x4, y4, z4], ... ]) 我想要将一个多项式曲面(2阶或3阶)拟合到这些点上，然后获得曲面方程的参数，这样我就可以计算任何给定的(x，y)值对的z。例如： z = (A * x ** 2) + (B * y ** 2) + (C * x * y) + (D * x) + (E *
浏览 239提问于2020-08-05得票数 1
回答已采纳
1回答
我想知道，是否有人可以向我展示一种方法，可以将多条高斯曲线拟合到包含6个峰的数据集(数据来自铜金合金晶体的衍射图样)。我目前使用的方法是将多个高斯方程加在一起，这意味着当曲线拟合时，我必须给出多个值的猜测。
浏览 2提问于2017-04-15得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
