python⾮线性最⼩⼆乘拟合_python⾮线性最⼩⼆乘拟合这是⼀个如何使⽤scipy.optimize.leastsq的裸机⽰例:
import numpy as np
import scipy.optimize as optimize
import matplotlib.pylab as plt
def func(kd,p0,l0):
return 0.5*(-1-((p0+l0)/kd) + np.sqrt(4*(l0/kd)+(((l0-p0)/kd)-1)**2))
残差的平⽅和是我们试图最⼩化的kd的函数:
def residuals(kd,p0,l0,PLP):
return PLP - func(kd,p0,l0)
这⾥我⽣成⼀些随机数据.你想在这⾥加载你的真实数据. N=1000
南京秦淮区
通报1例核酸阳性
kd_guess=3.5 #p0 = np.linspace(0,10,N)
河北唐山一中l0 = np.linspace(0,10,N)
江苏交广网
PLP = func(kd_guess,p0,l0)+(np.random.random(N)-0.5)*0.1
kd,cov,infodict,mesg,ier = optimize.leastsq(
residuals,kd_guess,args=(p0,l0,PLP),full_output=True,warning=True)
print(kd)
产⽣类似的东西
nrm3.49914274899
这是optimize.leastsq到的最适合的kd值.
中医美容论文这⾥我们使⽤刚刚到的kd的值⽣成PLP的值:
PLP_fit=func(kd,p0,l0)
以下是PLP与p0的关系图.蓝线是从数据,红线是最佳拟合曲线. plt.plot(p0,PLP,'-b',p0,PLP_fit,'-r')
二癸基二甲基氯化铵
plt.show()