我试图使用 minuit.Minuit 函数将高斯拟合到一些简单的数据,但它不会改变我的任何参数。如果有人能提供帮助,我将不胜感激。
import numpy as np
import minuit
xCurve = np.array([0,1,2,3,4,5,6,7,8,9])
yCurve = np.array([0,1,2,3,4,5,4,3,2,1])
def Gaus(a,b,c):
return a*np.exp(-((xCurve-b)**2)/(2*c**2))
m = minuit.Minuit(Gaus,a=4.5,b=5,c=0.4)
m.printMode=1
m.migrad()
m.printMode=0
m.values()
a = m.values['a']
b = m.values['b']
c = m.values['c']
d = m.values['d']
print a
print b
print c
print d
它会输出一个错误: minuit.MinuitError:协方差不是正定的。
最佳答案
Minuit 是一个最小化器,但您给了它一个拟合函数,而不是目标函数。 (这个函数实际上不是正定的,因此错误消息是适当的。)
要获得您真正想要的东西,请执行以下操作:
def gauss(x, a,b,c):
return a*np.exp(-((x-b)**2/(2*c**2)))
def minimizeMe(a,b,c):
return sum((gauss(x, a,b,c) - y)**2 for x, y in zip(xCurve, yCurve))
m = minuit.Minuit(minimizeMe, a=4.5, b=5, c=0.4)
m.printMode = 1
m.migrad()
这并不能有效地利用你的 Numpy 数组,但是如果你结合了 minimizer 和 fit 函数,你应该能够通过 ufunc 来做到这一点。
PyMinuit 旨在提供对拟合技术的更底层访问。如果您只对普通最小二乘法感兴趣,您可能会发现直接 Minuit 接口(interface)很麻烦。另一方面,如果您计划使用套索回归约束某些参数,提供非二次甚至非对称损失函数,或者您计划进行甚至无法转换为以下形式的优化功能适合,那么低级接口(interface)就是一个好处。
关于python - 如何让 minuit.Minuit 在 Python 中将高斯曲线拟合到我的数据?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22538655/