Cómo ajustar los límites de una imagen en una curva usando el método de mínimos cuadrados usando Python

Este artículo ofrece un ejemplo de ajuste de curvas de Python basado en el método de mínimos cuadrados. Compártalo con usted como referencia, de la siguiente manera:

Aquí no implementamos mínimos cuadrados manualmente, sino que llamamos a las funciones de optimización relevantes implementadas en la biblioteca scipy.

Considere la siguiente función con cuatro argumentos:

datos estructurales

12345678910112131415importar numpy como NP desde scipy import optimizar importar matplotlib py plot as pltdef log istic 4 (. x, A, B, C, D): retorno (A-D)/(1+(x/C)* *Linspace (0, 20, 20) y _ true = logístico 4 (x, a, b, c, d

1234 P0 =[1/2]* 4 plesq =Optimización. lesssq (residuals, P0, args = (y _ meas, x)) # La función de less sq en realidad es estimar el modelo ( y_meas- y_true)#.

12345678 PLT.figure(figsize=(6,4.5))plt.plot(x,peval(x,plesq[0]),x,y_meas,'o', x, y_true)plt.legend(['Fit', 'noise', 'true'], loc = 'upper left')PLT title('Mínimo cuadrado de datos de ruido (valor de medición))' para i, (parámetro , True , est) en enumerate(zip('ABCD ', [formato A, B, C (param, true, param.