私は次の関数に適合しようとしています:Detrended SNR 私のデータに。 C1、C2、hは、leastsqのメソッドから取得する必要のあるパラメータです。 C1とC2はシンプルですが、私のh(t)は実際には
です。私が得たいのは、その関数内の係数hjです(私の場合、35種類のhjがあります)。この関数は、それぞれ異なる重み付けされた異なる基本Bスプラインの合計であり、係数の数はBスプラインのノット数に等しい。私はC1、C2を取得したいとh1..35として、私は次の操作を行います。パラメータを渡すのに最低限の問題Python
funcLine = lambda tpl, eix_x: (tpl[0]*np.sin((4*math.pi*np.sum(bsplines_evaluades * np.transpose([tpl[2],tpl[3],tpl[4],tpl[5],tpl[6],tpl[7],tpl[8],tpl[9],tpl[10],tpl[11],tpl[12],tpl[13],tpl[14],tpl[15],tpl[16],tpl[17],tpl[18],tpl[19],tpl[20],tpl[21],tpl[22],tpl[23],tpl[24],tpl[25],tpl[26],tpl[27],tpl[28],tpl[29],tpl[30],tpl[31],tpl[32],tpl[33],tpl[34],tpl[35],tpl[36],tpl[37]]) , axis=0))*eix_x/lambda1) + tpl[1]*np.cos((4*math.pi*np.sum(bsplines_evaluades * np.transpose([tpl[2],tpl[3],tpl[4],tpl[5],tpl[6],tpl[7],tpl[8],tpl[9],tpl[10],tpl[11],tpl[12],tpl[13],tpl[14],tpl[15],tpl[16],tpl[17],tpl[18],tpl[19],tpl[20],tpl[21],tpl[22],tpl[23],tpl[24],tpl[25],tpl[26],tpl[27],tpl[28],tpl[29],tpl[30],tpl[31],tpl[32],tpl[33],tpl[34],tpl[35],tpl[36],tpl[37]]) , axis=0))*eix_x/lambda1))*np.exp(-4*np.power(k, 2)*lambda_big*np.power(eix_x, 2))
func = funcLine
ErrorFunc = lambda tpl, eix_x, ydata: np.power(func(tpl, eix_x) - ydata,2)
tplFinal1, success = leastsq(ErrorFunc, [2, -2, 8.2*np.ones(35)], args=(eix_x, ydata))
TPL(0)= C1、TPL(1)= C2とTPL(2..35)=私の係数です。 bsplines_evaluadesは行列[35,86000]です。各行は各基本b-スプラインの時間関数です。したがって、各行に個々の係数を重み付けします.86000はeix_xの長さです。 ydata(eix_x)は、近づきたい関数です。 λ1= 0.1903; lambda_big = 2; k = 2 * pi/lambda1。出力は論理ではない初期パラメータと同じです。 誰でも助けてくれますか?私はカーブフィットでも試してみましたが、うまくいきません。 データはhttp://www.filedropper.com/data_5>http://www.filedropper.com/download_button.png width = 127 height = 145 border = 0 />
http://www.filedropperにあります。コム>オンライン・バックアップ・ストレージ
EDIT コードは今ある:
lambda1 = 0.1903
k = 2 * math.pi/lambda1
lambda_big = 2
def funcLine(tpl, eix_x):
C1, C2, h = tpl[0], tpl(1), tpl[2:]
hsum = np.sum(bsplines_evaluades * h, axis=1) # weight each
theta = 4 * np.pi * np.array(hsum) * np.array(eix_x)/lambda1
return (C1*np.sin(theta)+C2*np.cos(theta))*np.exp(-4*lambda_big*(k*eix_x)**2) # lambda_big = 2
if len(eix_x) != 0:
ErrorFunc = lambda tpl, eix_x, ydata: funcLine(tpl, eix_x) - ydata
param_values = 7.5 * np.ones(37)
param_values[0] = 2
param_values(1) = -2
tplFinal2, success = leastsq(ErrorFunc, param_values, args=(eix_x, ydata))
問題は、出力パラメータが初期のものに関しては変更しないということです。データ(X_AXIS、ydataの、bsplines_evaluades): gist.github.com/hect1995/dcd36a4237fe57791d996bd70e7a9fc7のgist.github.com/hect1995/39ae4768ebb32c27f1ddea97e24d96afのgist.github.com/hect1995/bddd02de567f8fcbedc752371b47ff71
コメントをいただき、ありがとうございます。次回は、より説明してみます(この記事では、明確にするために編集を行います)。今の問題は、出力パラメータが変更されていないパラメータの初期値に影響しないことです。人々がそれを試すことができるように私が持っているデータ(テーブル)をどのように投稿することができますか? –
あなたのコードはまだラムダを使用し、多くの未定義変数(k、lambda1、lambda_big、bsplines_evaluades)を持っています。それは誰かによって実行することはできません。それでも出力メッセージやエラーメッセージは投稿しませんでした。データを投稿するために、多くの人々がギブスの趣味や他の同様のサービスを使用します。 –
でも、私はあなたのコードを読むことができます:もしbsplines_evaluadesが配列であれば、あなたのフィットは35個のパラメータの個々の値に大きく依存するのではなく、彼らは与えます。すなわち、あなたは実際に 'h'を使用していない、' hsum'のみを使用しています。それは意図的なのでしょうか?フィットの結果は、これらの値のほとんどにあまり敏感ではありません。 –