标签：None 记录 python least optimize scipy squares 用过 二乘

记录一下最近用过的python包

S-G平滑

scipy.signal.savgol_filter

最小二乘拟合

scipy.optimize.least_squares
可以限制范围的最小二乘拟合
求解一个变量有界的非线性最小二乘问题。给定残差f(x) (n个实变量的m-D实函数)和损失函数rho(s)(标量函数)，least_squares找到代价函数f(x)的局部最小值:
*minimize F(x) = 0.5 * sum(rho(f_i(x)*2), i = 0, …, m - 1)
subject to lb <= x <= ub
损失函数的目的是减少异常值对解的影响。
用法：
scipy.optimize.least_squares(fun, x0, jac=‘2-point’, bounds=- inf, inf, method=‘trf’, ftol=1e-08, xtol=1e-08, gtol=1e-08, x_scale=1.0, loss=‘linear’, f_scale=1.0, diff_step=None, tr_solver=None, tr_options={}, jac_sparsity=None, max_nfev=None, verbose=0, args=(), kwargs={})[source]¶
此外optimize中还包含很多中最小二乘拟合方法
参考网址：https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.least_squares.html

寻峰算法

peakutils.peak

差值

scipy.interpolate
可以通过差值由离散数据生成连续数据
参考网址：https://docs.scipy.org/doc/scipy/reference/tutorial/interpolate.html

标签：None,记录,python,least,optimize,scipy,squares,用过,二乘
来源： https://blog.csdn.net/Flora_McAvoy/article/details/116020767

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。