FittingWithOutlierRemoval#
- class astropy.modeling.fitting.FittingWithOutlierRemoval(fitter, outlier_func, niter=3, **outlier_kwargs)[源代码]#
基类:
object
此类将离群值移除技术与拟合过程相结合。基本上,给定最大迭代次数
niter
,则删除异常值并对每次迭代执行拟合,直到没有发现新的异常值或niter
达到。- 参数:
- 钳工 :
Fitter
装配工 任何Astropy fitter的实例,即LinearLSQFitter、LevMarLSQFitter、SLSQPLSQFitter、SimplexLSQFitter、JointFitter。对于模型集拟合,这必须理解屏蔽的输入数据(如fitter class属性所示
supports_masked_input
)- outlier_func :
callable()
Python:Callable() 一种用于去除离群值的函数。如果它接受
axis
参数类似于numpy
函数,则在拟合模型集时将自动提供适当的值(除非在中重写outlier_kwargs
),以分别查找每个模型的异常值;否则,必须在模型上的循环中执行相同的过滤,这几乎要慢一个数量级。- niter :
int
,可选PYTHON:int,可选 最大迭代次数。
- outlier_kwargs :
dict
,可选Python:Dict,可选 离群值函数的关键字参数。
- 钳工 :
- 属性:
- fit_info :
dict
Python :词典 这个
fit_info
(如果有)从包装的fitter
在最近的一次发作中。还添加了一个带有关键字的条目niter
它记录实际执行的拟合迭代次数(与用户指定的最大值相反)。
- fit_info :
方法总结
__call__
(model, x, y[, z, weights])- 参数:
方法文件
- __call__(model, x, y, z=None, weights=None, **kwargs)[源代码]#
- 参数:
- 模型 :
FittableModel
FittableModel
适用于所提供数据的分析模型。这也包含了优化算法的初始猜测。
- x : array_likeNumpy:ARRAY_LIKE
输入坐标。
- y : array_likeNumpy:ARRAY_LIKE
数据测量(1D情况)或输入坐标(2D情况)。
- z : array_like ,可选NumPy:ARRAY_LIKE,可选
数据测量(2D情况)。
- weights : array_like ,可选NumPy:ARRAY_LIKE,可选
重量传递给装配工。
- kwargs :
dict
,可选Python:Dict,可选 要传递给装配工的关键字参数。
- 模型 :
- 返回:
- fitted_model :
FittableModel
FittableModel
剔除异常值后的拟合模型。
- mask :
numpy.ndarray
numpy.ndarray
布尔掩码数组,标识在最终拟合迭代中使用的点(False),以及在输入中发现的异常值或被屏蔽的点(True)。
- fitted_model :