model-fitting

0熱

1答えて

私はoptimalization.curve_fitを使用して決定したい2つの空きパラメータで記述されたデータセットを持っています。 def func(x, a, b,): return a*x*np.sqrt(1-b*x) そしてaとbのためのソリューションの結果はinit_guessの私の選択に非常に強い依存 popt, pcov = opt.curve_fit(f = func

1熱

1答えて

ランダムな点群に点のグリッドを合わせるには

私はOpenCVのgoodFeaturesToTrackを使って取得したドットを持つ2値画像をImage1に示しています。 Image1 : Cloud of points 画像2に示すように、私はそのように上の4×25ドットのグリッドに合わせたい（必ずしもすべての点が画像上に表示されますが、それは通常の4つの* 25ポイントです矩形）。 Image2 : Model grid of points

1熱

1答えて

適合曲線：重み付けされた知識グラフにおける分布を記述するモデル

知識ネットワークを表現し、重み付きグラフの特性について学ぶための単純なモデルとして、私はWikipedia記事間の余弦類似度を計算した。私は各記事の類似度の分布を見ています（写真参照）。図では、カーブが特定の値（指数関数から線形に）で派生していることがわかります。カーブをフィットさせてその値を抽出したい場合、派生物が目に見える「類似」（閾値の左側）と「他」（閾値の右側）の2つのセットで同様の記

0熱

1答えて

Nakagami分布の対数尤度は無限大ですR

[60,80] $の中の私のデータセット$ x \の正規化されたヒストグラムをNakagami分布に当てはめています。まず私は、次のMLEコードをVGAMパッケージのdnakaを使用して、スケールと形状パラメータを推定した：：次に ll <- function(par) { if(par[1]>0 & par[2]>0) {return(-sum(log(dnaka(x, scale

6熱

1答えて

ODRを使用したデータの上限と非対称エラーによるPythonの法則の適合

私はpythonを使用してべき乗則にいくつかのデータを収めようとしています。問題は、私のポイントのいくつかが上限にあることです。フィッティングルーチンにどのように含めるべきか分かりません。データでは、残りの部分がはるかに小さい場合、yの誤差として上限を1に設定しました。このエラーを0にしてuplimsリストジェネレータを変更することができますが、フィットはひどいです。コードは以下の通りです：

2熱

1答えて

データポイントのいくつかがNaNである場合の2次元関数のフィット方法は？

2次元のサーフェスをデータに合わせようとしています。具体的には、IRAFのFITCOORDSと同じように、ピクセル座標を波長座標にマッピングする関数を探したいと思います。 Pythonの3.6にastropy 2.0.2とnumpy 1.13.3で import numpy as np from astropy.modeling.models import Chebyshev2D from a

3熱

1答えて

nls関数を使用して間違ったフィット

指数関数的減衰に適合させようとしたときに、x軸に10進数がある場合、適合は決して正しくありません。以下は私のデータです： exp.decay = data.frame(time,counts) time counts 1 0.4 4458 2 0.6 2446 3 0.8 1327 4 1.0 814 5 1.2 549 6 1.4 401 7 1.6 266 8 1.8

0熱

1答えて

ValueError：float（）のリテラルが無効です。ケラス

ケラスを使用した簡単なニューラルネットワークを構築しています。トレーニングデータの各要素は100次元で、テキストファイルから要素のラベルを読み取っています。 f = open('maleE', "rt") labelsTrain = [line.rstrip() for line in f.readlines()] f.close() ラベルは、この構造を持つ文字列です：学習データにモデ

1熱

1答えて

pymc3条件付き決定論的尤度関数

私はPyMC3を初めて使っていて、実験のデータに合ったパラメータのセットを見つけようとしています。私の問題は、私の尤度関数は参加者の以前の反応に条件付きであるということです。データは、以下の行列形式を有する：Xは、参加者が0, 1, or 2の値と、その試験に応答成文化 participant | trial0 | trial1 | ... | trialn p0 | x | x | ...

0熱

1答えて

Rでのベータ分布フィッティング

対称ベータ分布B（形状、形状）に基づいて、2つのパラメータshape1とshape2が同一のカスタム確率密度を自分のデータに合わせる必要があります。問題は、プレーンなバニラ対称ベータ版を扱うときにいくつかの問題が発生することです。投稿の最後にコードを入力してください。このコードでは、dbeta1はshape1 = shape2 = shapeのベータ分布の密度です。コードでは、dbeta2