- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我试图同时拟合,在同一个图上的直方图上进行高斯分布和指数拟合,但是当我尝试获取指数拟合的均值时,我得到了一些错误信息,例如均值:-9.8636992990798974e-07
,(我希望得到类似 70
的东西,而不是 -9.8e-07
)。
有了高斯拟合,我没有值(value)问题。
这是我的情节的打印:
我不知道我在获取指数拟合均值的代码中做错了什么:
plt.figure(1)
plt.subplot(221)
cycle = map(float,cycle)
cycle = np.array(cycle)
list_cycle1 = cycle[cycle < 1000 ]
list_cycle2 = cycle[cycle >= 1000]
plt.hist(list_cycle1, bins=10, normed=True)
xt1 = plt.xticks()[0]
xmin1, xmax1= min(xt1), max(xt1)
lnspc1 = np.linspace(xmin1, xmax1, len(list_cycle1))
m1, s1 = stats.expon.fit(list_cycle1, moments='mv')
pdf_e = stats.expon.pdf(lnspc1, m1, s1)
plt.plot(lnspc1, pdf_e, label='expon pdf')
list_mean_1.append(m1)
list_se_1.append(s1)
plt.hist(list_cycle2, bins=10, normed=True)
xt2 = plt.xticks()[0]
xmin2, xmax2= min(xt2), max(xt2)
lnspc2 = np.linspace(xmin2, xmax2, len(list_cycle2))
m2, s2 = stats.norm.fit(list_cycle2)
pdf_g = stats.norm.pdf(lnspc2, m2, s2)
plt.plot(lnspc2, pdf_g, label="Norm")
list_mean_2.append(m2)
list_se_2.append(s2)
如果需要,我可以添加 list_cycle1
和 list_cycle2
的示例。
PS:我读了this SciPy documentation而且我不明白我的代码哪里失败了,无法获得我的指数拟合的平均值。
最佳答案
stats.expon.fit 返回元组 (loc, scale)。根据文档,
比例 = 1/λ
这也是指数分布的均值。因此,它是您想要的第二个参数。
如果想强制location为0,可以传入floc参数进行fit。
关于python - 如何获得我的指数拟合的真实均值和 se?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38048529/
gnuplot 中拟合函数的正确方法是什么 f(x)有下一个表格吗? f(x) = A*exp(x - B*f(x)) 我尝试使用以下方法将其拟合为任何其他函数: fit f(x) "data.txt
(1)首先要建立数据集 ? 1
测量显示一个信号,其形式类似于具有偏移量和因子的平方根函数。如何找到系数并在一个图中绘制原始数据和拟合曲线? require(ggplot2) require(nlmrt) # may be thi
我想将以下函数拟合到我的数据中: f(x) = Offset+Amplitudesin(FrequencyT+Phase), 或根据 Wikipedia : f(x) = C+alphasin(ome
我正在尝试使用与此工具相同的方法在 C# 中拟合 Akima 样条曲线:https://www.mycurvefit.com/share/4ab90a5f-af5e-435e-9ce4-652c95c
问题:开放层适合 map ,只有在添加特征之后(视觉),我该如何避免这种情况? 我在做这个 第 1 步 - 创建特征 var feature = new ol.Feature({...}); 第 2
我有一个数据变量,其中包含以下内容: [Object { score="2.8", word="Blue"}, Object { score="2.8", word="Red"}, Objec
我正在尝试用中等大小的 numpy float 组来填充森林 In [3]: data.shape Out[3]: (401125, 5) [...] forest = forest.fit(data
我想用洛伦兹函数拟合一些数据,但我发现当我使用不同数量级的参数时拟合会出现问题。 这是我的洛伦兹函数: function [ value ] = lorentz( x,x0,gamma,amp )
我有一些数据,我希望对其进行建模,以便能够在与数据相同的范围内获得相对准确的值。 为此,我使用 polyfit 来拟合 6 阶多项式,由于我的 x 轴值,它建议我将其居中并缩放以获得更准确的拟合。 但
我一直在寻找一种方法来使数据符合 beta 二项分布并估计 alpha 和 beta,类似于 VGAM 库中的 vglm 包的方式。我一直无法找到如何在 python 中执行此操作。有一个 scipy
我将 scipy.optimize.minimize ( https://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html ) 函数与
在过去的几天里,我一直在尝试使用 python 绘制圆形数据,方法是构建一个范围从 0 到 2pi 的圆形直方图并拟合 Von Mises 分布。我真正想要实现的是: 具有拟合 Von-Mises 分
我有一个简单的循环,它在每次迭代中都会创建一个 LSTM(具有相同的参数)并将其拟合到相同的数据。问题是迭代过程中需要越来越多的时间。 batch_size = 10 optimizer = opti
我有一个 Python 系列,我想为其直方图拟合密度。问题:是否有一种巧妙的方法可以使用 np.histogram() 中的值来实现此结果? (请参阅下面的更新) 我目前的问题是,我执行的 kde 拟
我有一个简单的 keras 模型(正常套索线性模型),其中输入被移动到单个“神经元”Dense(1, kernel_regularizer=l1(fdr))(input_layer) 但是权重从这个模
我正在尝试解决 Boston Dataset 上的回归问题在random forest regressor的帮助下.我用的是GridSearchCV用于选择最佳超参数。 问题一 我是否应该将 Grid
使用以下函数,可以在输入点 P 上拟合三次样条: def plotCurve(P): pts = np.vstack([P, P[0]]) x, y = pts.T i = np.aran
我有 python 代码可以生成数字 x、y 和 z 的三元组列表。我想使用 scipy curve_fit 来拟合 z= f(x,y)。这是一些无效的代码 A = [(19,20,24), (10,
我正在尝试从 this answer 中复制代码,但是我在这样做时遇到了问题。我正在使用包 VGAM 中的gumbel 发行版和 fitdistrplus . 做的时候出现问题: fit = fi
我是一名优秀的程序员,十分优秀!