model-fitting

1熱

1答えて

nls()を使用してパラメータを推定する際に問題があります。私が手にいくつかのデータを説明するための関数の次のセットを持っている： funk1 <- function(a,x) { x^2*exp(-(l*(1-exp(-r*a))/r)) } funk2 <- function(x) { sapply(x, function (s) { integrate(funk1, lower = 0

1熱

1答えて

ポアソン対数線形モデルのフィッティング

私は2×2テーブルを考えました。データは、実行前後の生徒の脈拍数を取ることに関するものです。私はPulseBeforeとPulseAfterに対してRan（Yes/No）を考慮し、不測の事態の表を作りました。私はポアソンログ線形モデルを適合させ、このような出力を得ました。 inde<-glm(dat$Ran1~dat$Pulse1+dat$Pulse2,family=poisson) inde

0熱

1答えて

多変数非線形curve_fit with scipy

私はscipy.optimize curve_fitを複数の変数を使って使用しようとしています。それは私が作成したテストコードで正常に動作しますが、私は私の実際のデータにこれを実装しようとすると、次のエラー TypeError: only arrays length -1 can be converted to python scalars 私のテストコード内の配列とその要素のデータ型の形状を取得

0熱

1答えて

Arima（）で静止シリーズを予測する

私は予測練習に取り組んでいます。好ましいモデルは3つの外生変数（Forestalling.1、Forestalling.2、Break）があるARIMA（0,0,1）（0,1,1）4です。私の従属変数はPmeanであり、平均住宅価格であり、外生変数は、法律および財産危機の変化を示すダミー変数である（これらの変数は、以下の値0,1、-1である）。私の最初のアプローチは、オリジナルを差し引いてAri

0熱

1答えて

Pythonフィッティング：最適化ループ

私は、与えられたデータに複数のガウス分布を当てようとしています。プログラムのこの部分は、500番目のモデルに到達すると約3 GBのメモリを使用しています。ここでは良いフィット感を得られないだろう、ランダムに生成されたデータ、と私のプログラムの簡体バージョンがあるが、それは時間の問題について説明します。 import sys sys.setrecursionlimit(5000) import

1熱

1答えて

fitdistrplusを使用してtruncnormをフィッティングする

一部のデータに切り捨て正規分布を合わせようとしています。しかし、私は次のようなエラーに実行されています <simpleError in optim(par = vstart, fn = fnobj, fix.arg = fix.arg, obs = data, gr = gradient, ddistnam = ddistname, hessian = TRUE, method = meth,

0熱

2答えて

MatLabのフィットオブジェクトプロット

からポイントを取得し、私はMatlabのアマチュアは、そう私と一緒に負担してくださいよ - は、私は現在、MATLABは2次元データへの複雑な方程式を合わせて使用します。今私はf = fit(xdata, ydata, function, options)を使ってフィットオブジェクトを生成するプログラムを持っています。 confint(f)とf.parameterなどを使用して係数と信頼区間を

2熱

1答えて

アストロフィーで同定された星を使ってWCS座標解をフィッティングする

私は静止した全天カメラを持っていて、WCS解（ピクセルx、yをalt、az）に適合させたいと考えています。私はいくつかの星を識別した場合、私は複合モデルを作成し、ちょうどproj_aff = Sky2Pix_ZEA + AffineTransformation2Dを言うし、その後astropy.modeling.fittingにそれを養うためにastropyの能力を活用したいのですがthusly

4熱

1答えて

Auto.arima（）関数では白色ノイズが発生しません。

ここでは、（ログ変換を行った後の）初期データのプロットを示します。直線的な傾向と季節的な傾向の両方があることは明らかです。私は第1と第12の（季節的な）違いを取ることによってこれらの両方に取り組むことができます：diff（diff（data）、12）。その後、結果データのプロットがあります。です。このデータは素晴らしいとは限りません。平均値は一定ですが、時間の経過と共にファンネル効果が見られ