Python多曲线拟合模型

有没有办法让一个x，y pair数据集被赋予一个函数，该函数将返回一个曲线拟合模型和coeff列表。 DataFit程序可以处理大约200种不同的模型，但我们正在寻找pythonic方法。从指数到逆多项式等Python多曲线拟合模型

我看过很多帖子都是手动使用scipy来键入每个模型，但是这对我们想要测试的模型的数量是不可行的。

我发现的最接近的是pyeq2，但是这并没有返回函数列表，而且似乎是一个编码的兔子洞。

如果R有这样用，我们可以利用这一点，但蟒蛇真的是目标

下面是数据的一个例子，我们要找出描述这条曲线的最佳方式

enter image description here

2014-12-04 user1938107

我知道有些人这样做，但我认为这是不好的做法。非线性模型应该基于理论考虑。无限数量的非线性函数，为什么您认为（i）您的候选函数之一代表生成您的数据的过程，以及（ii）R 2将识别“正确”函数？如果您有一些潜在的候选功能（例如吸附等温线），我可以理解做类似的事情，但我不会使用R²作为决策标准，我绝不会用200个任意函数来做这件事。 – Roland 2014-12-04 08:31:35

@Roland最主要的原因是通过测试多个模型，我们可以快速地看到结果曲线的最佳统计数据。然后从最好的几位候选人中挑选一个或者选择一个。例如，自动测试1到5阶多项式并查看更高阶是超调还是更好拟合。到目前为止，datafit软件已经满足我们的需求，但是它的成本很高，并且没有编程的灵活性 – user1938107 2014-12-04 08:52:08

@Roland我们得到的结果实际上是StdError，Residual Sum，Residual Avg。 RSS，R^2，Ra^2。它只是一种为我们找到排名最高的函数的快速方法，因为我们的主要研究背景不在这个区域 – user1938107 2014-12-04 08:58:56

最后，我们发现Eureqa软件能够实现这一目标。 https://www.nutonian.com/products/eureqa/

来源

2018-01-21 23:14:05 user1938107

您可以尝试使用R中的库样条曲线。我已将此用于更高阶曲线拟合某些单变量数据。你可以尝试改变和实现相应的R^2错误类似的事情。

来源

2014-12-04 11:12:53

您可以决定要做到以下几点：

选择一个模式，以适应参数。这个模型应该基于一个独立的变量。这可以通过python的scipy.optimize curve_fit函数完成。你可以选择类似hyberbola的东西。
选择一个复杂的模型，可能代表了工作中某种东西的基本机制。像来自疾病SIR模型的ODE系统一样。拟合参数将不是一件容易的事。这将通过马尔可夫链蒙特卡罗（MCMC）方法完成。这是非常困难的。
意识到您有数据，并可以通过scikit学习使用机器学习来预测您的数据。这是一种不需要参数的方法。

机器学习和神经网络不适合的东西，不能真正告诉你有关的基本机制，但可以做出预测就像一个最合适的模型......我敢说更好。

来源

2017-07-27 21:38:54

Python多曲线拟合模型

回答

相关问题