Bueno, ¿cómo me acercaría a escribir un código para optimizar las constantes a y b en una ecuación diferencial, como dy / dt = a * y ^ 2 + b, usando curve_fit? Estaría usando odeint para resolver la EDO y luego curve_fit para optimizar a y b. Si pudiera darnos su opinión sobre esta […]
El curve_fit de Python calcula los parámetros de mejor ajuste para una función con una sola variable independiente, pero ¿hay alguna forma, utilizando curve_fit o alguna otra cosa, para ajustarse a una función con múltiples variables independientes? Por ejemplo: def func(x, y, a, b, c): return log(a) + b*log(x) + c*log(y) donde x e y […]
Tengo dos matrices NumPy x y y . Cuando bash ajustar mis datos utilizando la función exponencial y curve_fit (SciPy) con este código simple #!/usr/bin/env python from pylab import * from scipy.optimize import curve_fit x = np.array([399.75, 989.25, 1578.75, 2168.25, 2757.75, 3347.25, 3936.75, 4526.25, 5115.75, 5705.25]) y = np.array([109,62,39,13,10,4,2,0,1,2]) def func(x, a, b, c, d): […]
Tengo un dato experimental en el que estoy tratando de ajustar una curva usando la función UnivariateSpline en scipy. Los datos se ven como: xy 13 2.404070 12 1.588134 11 1.760112 10 1.771360 09 1.860087 08 1.955789 07 1.910408 06 1.655911 05 1.778952 04 2.624719 03 1.698099 02 3.022607 01 3.303135 Esto es lo que […]
Usando la siguiente función, uno puede colocar una spline cúbica en los puntos de entrada P: def plotCurve(P): pts = np.vstack([P, P[0]]) x, y = pts.T i = np.arange(len(pts)) interp_i = np.linspace(0, i.max(), 100000 * i.max()) xi = interp1d(i, x, kind=’cubic’)(interp_i) yi = interp1d(i, y, kind=’cubic’)(interp_i) fig, ax = plt.subplots() fig,ax=plt.subplots() ax.plot(xi, yi) ax.plot(x, y, […]
En Python tengo una función que tiene muchos parámetros. Quiero ajustar esta función a un conjunto de datos, pero utilizando solo un parámetro, el rest de los parámetros que quiero suministrar por mi cuenta. Aquí hay un ejemplo: def func(x,a,b): return a*x*x + b for b in xrange(10): popt,pcov = curve_fit(func,x1,x2) En esto quiero que […]
Tengo algunos puntos y estoy tratando de ajustar la curva para estos puntos. Sé que existe la función scipy.optimize.curve_fit , pero no entiendo la documentación, es decir, cómo usar esta función. Mis puntos: np.array([(1, 1), (2, 4), (3, 1), (9, 3)]) ¿Alguien puede explicar cómo hacer eso?
Tengo un conjunto de datos y quiero comparar qué línea lo describe mejor (polinomios de diferentes órdenes, exponencial o logarítmica). Utilizo Python y Numpy y para el ajuste polinomial hay una función polyfit() . Pero no encontré tales funciones para el ajuste exponencial y logarítmico. Hay alguna ¿O cómo resolverlo de otra manera?