我花了一些時間，但我使用下面的代碼為自己創建了一個適合我的 x,y 數據集的高斯分布。import matplotlib.pyplot as pltimport numpy as npfrom scipy.optimize import curve_fitdef Gauss(x, a, x0, sigma, offset): return a * np.exp(-(x - x0)**2 / (2 * sigma**2)) + offsetx, y = np.random.random(100), np.random.random(100)popt, pcov = curve_fit(Gauss, x, y, p0=[np.max(y), np.median(x), np.std(x), np.min(y)])plt.plot(x, y, 'b+:', label='data')x_fit = np.linspace(np.min(x), np.max(x), 1000)plt.plot(x_fit, Gauss(x_fit, *popt), 'r-', label='fit')plt.legend()plt.title('Something')plt.xlabel('Anotherthing')plt.ylabel('Athing')plt.show()我可以看到我的合身性很好，可以看到圖表和所有內容。我現在想知道的是如何在我的屏幕上打印出這個擬合的結果，例如擬合最大點 x 處的最大值、估計誤差等？這些信息可以訪問嗎？如果是這樣，有沒有辦法打印出這些信息？如果不是，請問有人能指出正確的方向來找出合適的錯誤嗎？
3 回答
慕妹3242003
TA貢獻1824條經驗 獲得超6個贊
你適合的所有相關信息都包含在 popt （最佳參數）和 pcov （協方差矩陣）中。在這種情況下，給定您的參數集（a、x0、sigma、offset），您可以將它們解壓為：
a,?x0,?sigma,?offset?=?popt;
類似地解開他們的不確定性：
ua,?ux0,?usigma,?uoffset?=?np.sqrt(np.diag(pcov));
（因為它們由它們自己的協方差給出）。
據我所知，curve_fit 不提供卡方或標準差等更多信息，我通常會在擬合完成后立即執行所需的計算，只需將所有平方差相加并除以原始值（但這更多一個統計的東西）。
希望它有所幫助。
添加回答
舉報
0/150
提交
取消