标签: model-fitting

我有一个数据集,并希望使它们适合均匀分布并使用Matlab计算拟合优度.但是,我发现制服不包含在功能' fitdist '中.有没有什么方法可以在Matlab中进行均匀分布拟合？

我想知道使用 Scipy 来拟合 Pandas DataFrame 列的最佳方法。如果我有一个包含列 ( A, B, C, Dand Z_real)的数据表 (Pandas DataFrame)，其中 Z 取决于 A、B、C 和 D，我想拟合每个 DataFrame 行（系列）的函数，该函数对 Z 进行预测（Z_pred）。

要拟合的每个函数的签名是

func(series, param_1, param_2...)

其中 series 是对应于 DataFrame 每一行的 Pandas 系列。我使用 Pandas 系列，以便不同的函数可以使用不同的列组合。

我试过将 DataFrame 传递给scipy.optimize.curve_fit使用

curve_fit(func, table, table.loc[:, 'Z_real'])

但出于某种原因，每个 func 实例都将整个数据表作为其第一个参数而不是每一行的 Series 传递。我也尝试将 DataFrame 转换为 Series 对象列表，但这导致我的函数被传递了一个 Numpy 数组（我认为是因为 Scipy 执行了从 Series 列表到 Numpy 数组的转换，它不保留 Pandas系列对象）。

我有一个包含 1096 个数字的向量，这是一个测量站 3 年内测量的 NOx 的日平均浓度。您可以观察图像中的分布类型：

我使用这些命令来做直方图：

NOxV<-scan("NOx_Vt15-17.txt")
hist.NOxVt<-hist(NOxV, plot = FALSE, breaks = 24) 
plot(hist.NOxVt, xlab = "[NOx]", ylab = "Frequenze assolute", main = "Istogramma freq. ass. NOx 15-17 Viterbo")
points(hist.NOxVt$mids, hist.NOxVt$counts, col= "red")

我的教授建议我用泊松分布拟合直方图 - 注意转换：离散 -> 连续（我不知道这意味着什么） - 或“对数正态”分布。

我尝试使用她在课程中给我们的一些命令行来进行泊松拟合，但是在执行以下最后一行代码后，R 给了我一个错误：

  my_poisson = function(params, x){
      exp(-params)*params^x/factorial(x)
  }

  y<-hist.NOxVt$counts/1096;
  x<-hist.NOxVt$mids;
  z <- nls( y ~ exp(-a)*a^x/factorial(x), start=list(a=1) )

numericDeriv(form[[3L]], names(ind), env) 中的错误：评估模型时产生的缺失值或无穷大此外：有 50 个或更多警告（使用警告（）查看前 50 个）”

这个问题解决不了（在网上搜索类似问题）我决定用对数正态拟合分布，但我不知道怎么做，因为教授没有给我们解释，我仍然没有足够的 R 经验来自己解决。

我将不胜感激有关如何进行对数正态拟合和/或泊松拟合的任何建议或示例。

我正在寻找一个软件(python首选,但实际上是一个jupyter内核存在的任何东西)来将数据样本拟合到t分布的混合.

我已经搜索了很长一段时间,似乎这是一个不起眼的努力,因为大多数搜索结果都出现在高斯混合物中(我对这里不感兴趣).

迄今为止最有希望的候选人是"AdMit"和"MitSEM"R包.然而,我不知道R并且发现这些包的描述相当复杂,并且看起来它们的核心目标不是t的混合物的拟合,而是将其用作完成其他事物的步骤.

简而言之,我希望软件能够实现:

将t分布的混合拟合到一些数据并估计每个的"位置""比例"和"自由度".

我希望有人能指出我一个简单的包,我不敢相信这是一个如此模糊的用例.

52.3210481666667    52.3841781666667    52.4938248333333    52.6234071666667    52.9058301666667    53.2846095000000    53.8162295000000    54.4442056666667    55.2349903333333    56.0556786666667    56.9660778333333    57.8731546666667    58.7802311666667    59.6142101666667    60.4249306666667    61.1559080000000    61.7971748333333    62.3387626666667    62.8205433333333    63.2259036666667    63.4950361666667    63.7807816666667    63.9203320000000    64.0964311666667    64.1794968333334    64.2625625000000    64.3323375000000    64.3888223333333    64.5117591666667    64.5017913333333    64.6147606666667    64.6878583333334    64.7476660000000    64.8307311666667    64.9038291666667    65.0334115000000    65.1131545000000    65.2261236666667    65.2792856666667    65.3789643333333    65.4387716666667    65.5052241666667    65.5417731666667    65.5949351666667    65.6248388333333    65.6181933333333    65.6580648333333    65.6181935000000    65.6115481666667    65.5716766666667    65.4985790000000    65.4321263333333    65.3291250000000    65.2394141666667    65.1065091666667    64.9470231666667    64.7709240000000    64.5715665000000    64.3622411666667    64.0764953333333    63.7342651666667    63.3920346666667    62.9899973333333    62.6078951666667    62.1460503333333    61.7207541666667    61.2987811666667    60.9166793333333    60.5478676666667    60.2355410000000    59.9398273333333    59.7703733333333    59.5809840000000    59.5112088333333    59.4281431666667    59.3949168333333    59.4015621666667    59.3616906666667    59.3683361666667    59.3749811666667 …

from fbprophet import Prophet model = Prophet() model.fit(data)

我立即收到以下错误

在此输入图像描述