LevMarLSQFitter

class astropy.modeling.fitting.LevMarLSQFitter(calc_uncertainties=False)[源代码]

基类:object

Levenberg-Marquardt算法与最小二乘统计。

笔记

这个 fit_info 字典包含由返回的值 scipy.optimize.leastsq 对于最近的拟合,包括 infodict 它返回的字典。见 scipy.optimize.leastsq 有关这些值含义的详细信息的文档。注意 x 返回值为 not 包括(因为它是返回模型的参数值)。另外,一个额外的元素 fit_info 当模型适合时,使用键“param_cov”计算。对应的值是参数的协方差矩阵作为2D numpy数组。矩阵元素的顺序与拟合模型中参数的顺序相匹配(即,与 model.param_names

属性
fit_info双关语

这个 scipy.optimize.leastsq 最近拟合的结果(见注释)。

属性摘要

supported_constraints 

此装配工类型支持的约束类型。

方法总结

__call__ \(型号,x,y[, z, weights, maxiter, ...] )

将数据拟合到此模型。

objective_function \(fps, * ARGs)

函数最小化。

属性文档

supported_constraints = ['fixed', 'tied', 'bounds']

此装配工类型支持的约束类型。

方法文件

__call__(model, x, y, z=None, weights=None, maxiter=100, acc=1e-07, epsilon=1.4901161193847656e-08, estimate_jacobian=False)[源代码]

将数据拟合到此模型。

参数
模型FittableModelFittableModel

适合x、y、z的模型

x数组

输入坐标

y数组

输入坐标

z可选数组

输入坐标

weights可选数组

配重。对于具有高斯不确定性的数据,权重应为1/sigma。

maxiter利息

最大迭代次数

acc浮动

近似解所需的相对误差

epsilon浮动

雅可比(if)正差分逼近的合适步长model.fjac=无). 如果epsfcn小于机器精度,则假定函数中的相对误差为机器精度的数量级。

estimate_jacobian布尔

如果为False(默认),并且模型具有fit-deriv方法,则将使用该方法。否则将估计雅可比矩阵。如果为真,则在任何情况下都将估计Jacobian。

equivalencies列表或无、可选、仅关键字

名单 额外的 如果x、y和/或z有单位,则应应用等效性。默认值为“无”。

返回
model_copyFittableModelFittableModel

由装配工设置参数的输入模型副本

objective_function(fps, *args)[源代码]

函数最小化。

参数
fps列表

装配工返回的参数

args列表

[型号,[重量] , [输入坐标] ]