通过高斯和scipy相加的曲线拟合

我在做生物信息学，我们在mRNA上绘制小RNA。我们有每个mRNA上蛋白质的映射坐标，我们计算蛋白质结合mRNA的位置和被小RNA结合的位点之间的相对距离。通过高斯和scipy相加的曲线拟合

我获得以下数据集：

当我绘制数据，我有3张图片：1在另一个大约3 -4 大约20和围绕-50最后一个。

我尝试三次样条插值，但它对我的数据不起作用。

我的想法是用高斯总和做曲线拟合。例如在我的情况下，在点5,20和-50估计3高斯曲线。

我该怎么做？

我看着scipy.optimize.curve_fit（），但我怎么能适应曲线精确intervalle？如何添加曲线使其具有单一曲线？

来源

2013-04-18 user1845261

'K-means'集群会为你工作吗？ – Geoff

尽管Jaime的良好答案显示您的数据不太合适，请参阅[python中单独混合使用的高斯混合体]（http：//下的[PyMix] stackoverflow.com/questions/14189937/separate-mixture-of-gaussians-in-python）。 – denis

import numpy as np 
import matplotlib.pyplot as plt 
import scipy.stats 
import scipy.optimize 

data = np.array([-69,3, -68, 2, -67, 1, -66, 1, -60, 1, -59, 1, 
       -58, 1, -57, 2, -56, 1, -55, 1, -54, 1, -52, 1, 
       -50, 2, -48, 3, -47, 1, -46, 3, -45, 1, -43, 1, 
       0, 1, 1, 2, 2, 12, 3, 18, 4, 18, 5, 13, 6, 9, 
       7, 7, 8, 5, 9, 3, 10, 1, 13, 2, 14, 3, 15, 2, 
       16, 2, 17, 2, 18, 2, 19, 2, 20, 2, 21, 3, 22, 1, 
       24, 1, 25, 1, 26, 1, 28, 2, 31, 1, 38, 1, 40, 2]) 
x, y = data.reshape(-1, 2).T 

def tri_norm(x, *args): 
    m1, m2, m3, s1, s2, s3, k1, k2, k3 = args 
    ret = k1*scipy.stats.norm.pdf(x, loc=m1 ,scale=s1) 
    ret += k2*scipy.stats.norm.pdf(x, loc=m2 ,scale=s2) 
    ret += k3*scipy.stats.norm.pdf(x, loc=m3 ,scale=s3) 
    return ret 


params = [-50, 3, 20, 1, 1, 1, 1, 1, 1] 

fitted_params,_ = scipy.optimize.curve_fit(tri_norm,x, y, p0=params) 

plt.plot(x, y, 'o') 
xx = np.linspace(np.min(x), np.max(x), 1000) 
plt.plot(xx, tri_norm(xx, *fitted_params)) 
plt.show()

enter image description here

>>> fitted_params 
array([ -60.46845528, 3.801281 , 13.66342073, 28.26485602, 
      1.63256981, 10.31905367, 110.51392765, 69.11867159, 
     63.2545624 ])

所以，你可以看到你的三个峰函数的想法并不认同太多与你的真实数据。

来源

2013-04-18 16:01:51 Jaime

通过高斯和scipy相加的曲线拟合

回答

相关问题