data-fitting

    1热度

    1回答

    我有一个使用我的C程序运行实验。我一直在使用GNU绘图绘制直方图/图表来分析数据。 下面的代码将获取我的文件中的数据,并创建一个名为'tableavalanchesizeGSA'的文件,其中包含它将用于为我的数据绘制直方图的信息 - 即我的表格中的数据已分档并且每个分箱的频率。然后我记下频率的日志并将其与分箱数据进行比较。 (简单地说,它只是频率与分档原始数据的对数)。 #Gnuplot comm

    0热度

    1回答

    分发到DataSet我在MATLAB一些载体,具有经验CDF,我可以积为数据集的CCDF,情节给了分布的CLU: [y,x]=ecdf(ISFFT); X=log(x); Y=log(1-y); plot(X,Y,'>-R','LineWidth',2); 后我说这是一个正常的日志: FLN = fitdist(ISFFT,'lognormal');给了我mu和sigma。 问题是我不知道

    1热度

    2回答

    没有关于fmin-powell的direc参数应该如何输入的信息。所有fmin_powell的SciPy的文件说是 直销:ndarray,可选 初始方向设置。 我认为通过给予direc=(0.1,0.1,1),我告诉它开始以0.1前两个拟合参数和1个用于第三,它们需要在我的情况下的步长大小,因为第三参数是不敏感步长为0.1。但是,对于所有拟合参数,使用此代码时,它将从0.1开始。如果我尝试使用di

    2热度

    1回答

    我想绘制对数坐标轴的概率密度函数的最佳拟合线。 Y轴(PDF)为10^-12至10^-28,而X轴为10^10至10^20。我尝试了polyfit,没有运气。有任何想法吗?附件是我的代码。 感谢, 凯文 clc; clear all; load Aug2005_basin_variables.mat % Initialize j_len = length(W_SH); prob_d

    0热度

    2回答

    使用scipy.optimize.minimize()函数我对同一个目标函数使用不同的方法使用不同的结果。为了评估拟合优度我使用看作为第一个标准的简化卡方。一段时间后,我用这个有用的指南http://newville.github.io/lmfit-py/fitting.html#Minimizer结束,其中指定简化卡方被设置为从minim()函数返回的最小化器对象的属性。但是,如果我做 mino

    0热度

    2回答

    我正在使用Matlab来用poly1曲线拟合2个坐标(x,y)中的一些数据。 问题是,我找不到一种方法来使拟合线更长。 我需要它从(180,930)到(191,944),但是Matlab只是在数据附近绘制拟合线,这是在这两个坐标之间。 是否有一些可以帮助我的适合命令(或cftool中的一些首选项)的参数?此外,我试过了cftool中的“Adjust axes limits”选项,但它根本没有帮助。

    0热度

    1回答

    我有一些地方植被指数的原始数据。当我绘制它们在时间序列我得到的结果如下: 现在我们可以适应一些高斯模型,该模型的形式 其中“n”是术语数/高斯。 Matlab确实提供了这种功能,但最大n = 8。 所以我可以得到一些帮助,我如何适应这种类型的函数在Matlab中?

    0热度

    1回答

    我使用lmfit找到一个合适的置信区间,但它不断给我一个错误,每隔一段时间:ValueError: f(a) and f(b) must have different signs 这里是一个最小的工作示例(跑了几次以获取错误): import lmfit import numpy as np def residual(p, X): a1, a2, t1, t2 = [i.valu

    2热度

    1回答

    只要我有5 * 5 dataArray中 d= [0.0177104427823448,0.00246661459209512,0.0399831543374395,0.0615494164555707,0.0476204124707652;0.0275276152854314,0.0219153841813084,0.0581144391404502,0.144890028400954,0.15

    0热度

    1回答

    我在R.使用包segmented分割我第一装配有使用glm功能,其包括像偏移项日志链接功能的泊松GLM: M1=glm(Y~X1+X2+X3+offset(log(X)),data=dat.1,family=poisson) M1装配没有任何错误。接下来,我尝试用R中分割为包装,以适应分段glm: library(segmented) seg.1=segmented(M1,seg.Z=~X1