我最近一直在用mathematica来处理我的数据。我有一种方法来计算一个x,y坐标从4个或更多的距离测量来自静态接收器(也包括x,y坐标)。在
我用mathematica函数最有效地处理我的数据:
NonlinearModelFit[data, Norm[{x, y} - {x0, y0}], {x0, y0}, {x, y},
Weights -> 1/distances, Method->"LevenbergMarquardt"]
在哪里。。。在
^{pr2}$x0,y0是它找到的解决方案
上述mathematica输出为:
FittedModel[{"Nonlinear", {x0 -> 548272.0043962265,
y0 -> 5.912735710367113*^6},
{{x, y}, Sqrt[Abs[x - x0]^2 + Abs[y - y0]^2]}},
{{1/93, 1/39, 1/88, 1/97}}, {{548189.217202, 5.91277996059*^6, 93},
{548236.967784, 5.91271780716*^6, 39},
{548359.406452, 5.91275254022*^6, 88},
{548358.636206, 5.91269089573*^6, 97}},
Function[Null, Internal`LocalizedBlock[{x, x0, y, y0}, #1], {HoldAll}]]
x0, y0
是我的解决方案。在
所以我不是在拟合曲线,而是拟合到一个点(权重与距离成反比)。我在google上浏览了一下,但是不知道从哪里开始使用scipy函数scipy.optimize.leatsq引入加权函数的算法。。。在
那么,如果mathematica这么做,我为什么要这么做呢?从python代码调用mathematicscript(使用subprocess module)太慢了,我想用python重写,看看速度是否可以提高。在
mathematica中的一个等效方法(给出完全相同的x0,y0),也许这更容易考虑移植到python。。在
注意,我明确地将权重(1/#[[3]])放入错误标准中。在
同样的东西更有可读性。。在
^{pr2}$相关问题 更多 >
编程相关推荐