Estoy ajustando un conjunto de datos experimentales ( muestra ) dentro de dos regiones experimentales diferentes y se puede express con dos funciones matemáticas de la siguiente manera: 1ª región: y = m*x + c ( the slope can be constrained to zero) 2da región: y = d*exp(-k*x) los datos experimentales se muestran a continuación […]
Al intentar crear un ejemplo con scipy.optimize curve_fit , encontré que scipy parece ser incompatible con el módulo math de Python. Mientras que la función f1 funciona bien, f2 muestra un mensaje de error. from scipy.optimize import curve_fit from math import sin, pi, log, exp, floor, fabs, pow x_axis = np.asarray([pi * i / 6 […]
Intento ajustar una función a mis datos usando scipy.optimize.curvefit . Q=optimization.curve_fit(func,X,Y, x0,ERR) y funciona bien. Sin embargo, ahora estoy intentando usar un error asimétrico y no tengo idea de cómo hacerlo, o incluso si es posible. Por error asimétrico quiero decir que el error no es por ejemplo: 3+-0.5 sino 3 +0.6 -0.2 . De […]
Quiero ajustar una función con salida vectorial usando curve_fit de curve_fit (o algo más apropiado si está disponible). Por ejemplo, considere la siguiente función: import numpy as np def fmodel(x, a, b): return np.vstack([a*np.sin(b*x), a*x**2 – b*x, a*np.exp(b/x)]) Cada componente es una función diferente, pero comparten los parámetros que deseo ajustar. Idealmente, yo haría algo […]
No puedo hacer que funcione este ajuste de caja … Obtengo “OptimizeWarning: la covarianza de los parámetros no se pudo estimar en la categoría = OptimizeWarning)” , y los coeficientes de salida no mejoraron más allá de la estimación inicial. import numpy as np from scipy.optimize import curve_fit def box(x, *p): height, center, width = […]
Estoy tratando de calcular el mejor ajuste de dos formas de un exponencial a algunos datos x, y (el archivo de datos se puede descargar desde aquí ) Aquí está el código: from scipy.optimize import curve_fit import numpy as np # Get x,y data data = np.loadtxt(‘data.txt’, unpack=True) xdata, ydata = data[0], data[1] # Define […]
Estoy trabajando en la adaptación de una función de distribución 3D en Scipy. Tengo una matriz numpy con conteos en los contenedores xy y, y estoy tratando de adaptar eso a una función de distribución tridimensional bastante complicada. Los datos se ajustan a 26 (!) Parámetros, que describen la forma de sus dos poblaciones constituyentes. […]
Tengo un rango de datos de distribución de tamaño de partícula ordenados por porcentaje de fracción de volumen, como así :; size % 6.68 0.05 9.92 1.15 etc. Necesito ajustar estos datos a una distribución lognormal, que stats.lognorm.fit hacer usando la función stats.lognorm.fit de python, pero esto parece esperar la entrada como una matriz de […]
¿Hay alguna manera en que pueda proporcionar límites para el ajuste de curva optimizado de Scipy? Mi ejemplo def optimized_formula(x, m_1, m_2, y_1, y_2, ratio_2): return (log(x[0]) * m_1 + m_2)*((1 – x[1]/max_age)*(1-ratio_2)) + ((log(x[1]) * y_1 + y_2)*(x[1]/max_age)*ratio_2) popt, pcov = optimize.curve_fit(optimized_formula, usage_and_age, prices) x [0] es age y max_age es una constante. Teniendo […]
Estoy tratando de ajustar una función simple a dos matrices de datos independientes en Python. Entiendo que necesito agrupar los datos de mis variables independientes en una matriz, pero algo parece estar mal con la forma en que estoy pasando las variables cuando trato de hacer el ajuste. (Hay un par de publicaciones anteriores relacionadas […]