मैं एक गैर-रैखिक वक्र फिटिंग दिनचर्या (शायद आर या पायथन में पाया जाने वाला सबसे अधिक संभावना है, लेकिन मैं अन्य भाषाओं के लिए खुला हूं) जो x, y डेटा और इसे एक वक्र फिट करें।डेटा से मिलान करने के लिए वक्र ढूंढना
मुझे एक स्ट्रिंग के रूप में निर्दिष्ट अभिव्यक्ति के प्रकार को निर्दिष्ट करने में सक्षम होना चाहिए जिसे मैं फिट करना चाहता हूं।
उदाहरण:
"A+B*x+C*x*x"
"(A+B*x+C*x*x)/(D*x+E*x*x)"
"sin(A+B*x)*exp(C+D*x)+E+F*x"
क्या मैं इस से बाहर निकलना होगा कि कम से कम स्थिरांक के लिए मूल्यों (ए, बी, सी, आदि) और उम्मीद है कि आँकड़े मैच की फिटनेस के बारे में है।
ऐसा करने के लिए वाणिज्यिक कार्यक्रम हैं, लेकिन मुझे आजकल भाषा लाइब्रेरी में वांछित अभिव्यक्ति के लिए उपयुक्त के रूप में कुछ सामान्य खोजने में सक्षम होने की उम्मीद है। मुझे संदेह है कि SciPy की ऑप्टिमाइज़ेशन सामग्री ऐसा करने में सक्षम हो सकती है, लेकिन मैं नहीं देख सकता कि यह मुझे समीकरण को परिभाषित करने देता है। इसी प्रकार, मुझे लगता है कि मैं आर
में जो कुछ भी ढूंढ रहा हूं, उसे ढूंढने के लिए मुझे लगता है, या मुझे अपना खुद का रोल करने की आवश्यकता है? अगर ऐसा होता है तो मुझे ऐसा करने से नफरत है और मुझे बस इसे ढूंढने में परेशानी हो रही है।
संपादित करें: मैं इस प्रक्रिया की तुलना में मैं प्रयोगशाला फिट से प्राप्त सामग्री पर और अधिक नियंत्रण के लिए ऐसा करना चाहते हैं। एलएबी फ़िट यूआई डरावना है। मैं रेंज को कई टुकड़ों में तोड़ने में सक्षम होना चाहूंगा और अलग-अलग वक्र रेंज के विभिन्न टुकड़ों का प्रतिनिधित्व करेंगे। अंत में, परिणाम रैखिक इंटरपोलेशन के साथ एक LUT को हरा (गति-वार) करने में सक्षम होना चाहिए या मुझे कोई दिलचस्पी नहीं है।
मेरी वर्तमान समस्याओं के सेट में, मेरे पास ट्रिग फ़ंक्शंस या एक्सप() है और मुझे वास्तविक समय में प्रति सेकंड 352,800 बार निष्पादित करने की आवश्यकता है (और केवल CPU का केवल एक अंश उपयोग करें)। इसलिए मैं वक्र को साजिश करता हूं और कम महंगा अनुमान प्राप्त करने के लिए वक्र फिटर को चलाने के लिए डेटा का उपयोग करता हूं। पुराने दिनों में, एलयूटी लगभग हमेशा समाधान थे, लेकिन आजकल मेमोरी लुकअप को छोड़कर और अनुमान लगाना कभी-कभी तेज़ होता है।
आपको पता है कि यह एक बहुत बुरा विचार है, सांख्यिकीय बोल? यदि आप बस अपने डेटा के लिए एक लचीला फिट चाहते हैं, तो लचीला मॉडल, जैसे स्वाद, स्प्लिंस, या सामान्यीकृत योजक मॉडल का उपयोग करें। – hadley
यहां तक कि सीमाओं को छोटी श्रेणियों में तोड़ना भी एक लागत है जिसके साथ मुझे सावधान रहना होगा। मेरे पास ऑडियो डेटा के लिए सभी प्रकार के महान इंटरपोलेटर तक पहुंच है, लेकिन वे आम तौर पर मेरे लिए बहुत संगणकीय रूप से गहन हैं। आम तौर पर, एक बार मुझे टुकड़ों में रेंज तोड़ना शुरू करना पड़ता है, मैं एक लूट के साथ बेहतर हूं। डीएसपी अनुप्रयोगों में वक्र के अनुमान अभी भी बहुत उपयोगी हैं। – Nosredna