在scipy.optimize.curve_filt中,有没有一个优化p0的好方法



我正试图使用曲线拟合来拟合一些温度,它看起来像是添加到线性函数中的正弦函数。我最初的预测还有很长的路要走,我相信这是因为我需要调整p0,但我想知道是否有一个好的方法来获得p0的初始猜测,或者这只是一个无休止的猜测和检查游戏。或者,如果有更好的方法来获得回归线,请告诉我!谢谢

这不是算法。这完全取决于模型和数据。例如,如果有正弦曲线,对周期的粗略猜测(例如,从最大值之间的距离(会有很大的帮助,等等

y(x(=a+p x+b sin(w x(+c cos(wx(

具有5个可调参数:w、a、p、b、c。

这是一个非线性回归问题。通常的解决方法是从参数的猜测值开始进行迭代演算。

本文解释了一种非传统方法(不迭代,不需要初始值(:https://fr.scribd.com/doc/14674814/Regressions-et-equations-integrales.

理论第47-48页。实际应用和数值示例第49-53页。

相关内容

最新更新