scipy - scipy.optimize.curve_fit 和线性最小二乘法之间的区别
问题描述
我正在努力寻找有关 scipy.optimize.curve_fit 函数究竟做了什么来拟合(例如)指数数据的信息,以及这种方法与仅仅线性化数据和使用加权的一般公式直接计算线性拟合有何不同线性最小二乘拟合?
解决方案
它是用于无界问题的 Levenberg-Marquadt 非线性拟合,并且是给定边界时的信任域变体。请参阅 least_squares 文档字符串中的参考资料。
推荐阅读
- javascript - 使用 React 在客户端组件中发布和更新计数
- angular - [Angular2+]如何使用 Angular 在 pdf.js 中以编程方式启用水平滚动?
- typescript - Typescript Mixin 动态接口
- android-source - 使 android 成为一个非常简单的信息亭的引导加载程序入口点在哪里?
- python - 我需要在我的 python 代码中添加什么来解决抛硬币问题?
- mysql - 统计截止日期的订单数量
- scala - 如何使用 Play Framework 读取测试代码中的资源?
- python - 使用路径函数和来自不同函数的 slug
- flash - 为我的广播电台购买了 Flash 网站
- intellij-idea - 如何在 Clion/Intellij 中扩展运行工具窗口的最大宽度?