Curve_fit不会收敛意味着......？

Question

我需要交叉匹配不同目录的天文坐标列表，并且我想确定交叉匹配的最大半径。这将避免我的列表和目录之间的不匹配。

为此，我计算列表中每个对象的最佳匹配与目录之间的分隔。我的初始列表被列为已知对象的位置，但可能会发生它在目录中未被检测到，并且我的坐标可能会受到小偏移的影响。

他们的方式我计算的最大半径是用高斯拟合高斯分离的核密度，并使用中心+ 3sigmas的值。该方法适用于大多数情况，但是当我的列表的一个小子样本有偏移量时，我有两个高斯。在这些情况下，我将以不同的方式指定最大半径。

我的问题是，当发生这种情况时，curve_fit通常无法用一个高斯拟合。对于科学出版物，我需要证明curve_fit中的“不适合”，并在这种情况下使用“不同的方式”。有人能用数学术语来说明这个意思吗？

Answer 1

你有多种不同的长度可以证明这个或那个适合的ansatz ---这很大程度上取决于你的具体情况的细节（例如：你为什么期望高斯在第一个地方工作？深入你需要/想要深入研究为什么确切的拟合过程失败，究竟是什么失败等）。

如果问题确实是关于curve_fit及其收敛失败的问题，那么向我们展示一些代码和一些可以证明问题的输入数据。

如果问题是关于如何评估适合度，你最好回到图书馆并选择一本关于统计的好书。

如果你只是想说明为什么在某些情况下高斯不是一个好拟合ansatz，一种方法是计算这些矩：对于高斯分布，第一，第二，第三和更高时刻是related to each other以非常精确的方式。如果你能证明你的底层数据的时刻之间的关系是非常不同的，这听起来是合理的，这些数据不能用高斯拟合。