深圳市网站制作最好的公司,网站域名需icp备案吗,如何建网站模板,宁波seo推广推荐公司在xmin处多项式的导数0的条件可以表示为一个简单的约束#xff0c;这意味着变量p2#xff0c;p3#xff0c;和{}实际上并不独立。衍生条件是p2 2*p3*xmin 3*p4*xmin**2 0其中xmin是xdata的最小值。此外#xff0c;xmin将在fit之前知道(如果不一定是在编写脚本时)#x…在xmin处多项式的导数0的条件可以表示为一个简单的约束这意味着变量p2p3和{}实际上并不独立。衍生条件是p2 2*p3*xmin 3*p4*xmin**2 0其中xmin是xdata的最小值。此外xmin将在fit之前知道(如果不一定是在编写脚本时)您可以使用它来约束三个参数中的一个。由于xmin可能为零(事实上它适用于您的情况)因此约束应该是^{pr2}$使用lmfit原始的、无约束的拟合将如下所示(我稍微清理了一下)import numpy as npfrom lmfit import Modelimport matplotlib.pylab as plt# the model function:def cubic_poly(x, p1, p2, p3, p4):return p1 p2*x p3*x**2 p4*x**3xdata np.arange(100) * 0.1ydata cubic_poly(xdata, 2, 0.4, -.2, 0.02)ydata ydata np.random.normal(sizelen(xdata), scale0.05)# make Model, create parameters, run fit, print resultsmodel Model(cubic_poly)params model.make_params(p12.5, p20.2, p3-0.0, p40.0)result model.fit(ydata, params, xxdata)print(result.fit_report())plt.plot(xdata, ydata, bo)plt.plot(xdata, result.best_fit, r-)plt.show()哪个打印[[Model]]Model(cubic_poly)[[Fit Statistics]]# function evals 13# data points 100# variables 4chi-square 0.218reduced chi-square 0.002Akaike info crit -604.767Bayesian info crit -594.347[[Variables]]p1: 2.00924432 /- 0.018375 (0.91%) (init 2.5)p2: 0.39427207 /- 0.016155 (4.10%) (init 0.2)p3: -0.19902928 /- 0.003802 (1.91%) (init-0)p4: 0.01993319 /- 0.000252 (1.27%) (init 0)[[Correlations]] (unreported correlations are 0.100)C(p3, p4) -0.986C(p2, p3) -0.967C(p2, p4) 0.914C(p1, p2) -0.857C(p1, p3) 0.732C(p1, p4) -0.646产生了一个现在要添加约束条件我们将添加xmin作为固定参数并像上面一样约束{}将上面的内容替换为params model.make_params(p12.5, p20.2, p3-0.0, p40.0)# add an extra parameter for xminparams.add(xmin, min(xdata), varyFalse)# constrain p2 so that the derivative is 0 at xminparams[p2].expr -2*p3*xmin - 3*p4*xmin**2result model.fit(ydata, params, xxdata)print(result.fit_report())plt.plot(xdata, ydata, bo)plt.plot(xdata, result.best_fit, r-)plt.show()现在打印出来了[[Model]]Model(cubic_poly)[[Fit Statistics]]# function evals 10# data points 100# variables 3chi-square 1.329reduced chi-square 0.014Akaike info crit -426.056Bayesian info crit -418.241[[Variables]]p1: 2.39001759 /- 0.023239 (0.97%) (init 2.5)p2: 0 /- 0 (nan%) -2*p3*xmin - 3*p4*xmin**2p3: -0.10858258 /- 0.002372 (2.19%) (init-0)p4: 0.01424411 /- 0.000251 (1.76%) (init 0)xmin: 0 (fixed)[[Correlations]] (unreported correlations are 0.100)C(p3, p4) -0.986C(p1, p3) -0.742C(p1, p4) 0.658还有一个情节如果xmin不为零(例如xdata np.linspace(-10, 10, 101)则{}的值和不确定度将不为零。在
