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 :
dictPython ：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 ：
FittableModelFittableModel 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 ：
FittableModelFittableModel 剔除异常值后的拟合模型。
- mask ：
numpy.ndarraynumpy.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 ：