小编use*_*932的帖子

我有一个模型方程式，我们称它为eq_m：

我知道我的数据集如下，因此我试图将数据拟合到eq_m，以便可以使用拟合的参数来预测新数据。

但是，此eq_m是非线性的，因此我使用scipy的curve_fit来获取lambda，mu，sigma参数值，并使用以下代码段：

opt_parms, parm_cov = o.curve_fit(eq_m, x, y,maxfev=50000)
lamb , mu, sigm = opt_parms

我在应该遵循该模型的各种数据组上运行此模型，而55/60则给了我很好的结果，但是其余5组非常适合，并且预测的参数具有高正值。有没有办法使用scipy / numpy或scikit-learn来规范曲线拟合并惩罚高幅值参数值？

我的主管建议使用共轭先验，但我不知道如何在此处这样做。

谁能帮我这个忙吗？如果我必须提供解决这个问题的猜测，是否可以有人告诉我如何计算这些猜测？