h****a 发帖数: 580 | 1 向各位牛人请教一个问题:
现有一套数据(x[m],y[n],z[m,n]),其中x[m]和y[n]是参数,z[m,n]是(x[m],y[n])
相对应的值,m从1到M,n从1到N,一共有M*N个数据点.
根据我的观测和初步检验,我认为下面的方程可以很好地拟合(fit)这些数据:
z=f(x,y)=a11*x^2*y^2+a12*x^2*y+a13*x^2+a21*x*y^2+a22*x*y+a23*x+a31*y^2+a32*y
+a33
现在的问题是,如何准确地得到方程中的系数coeffients(a11,a12,a13,a21,a22,a23,
a31,a32,a33)?
据我所知,对于二维数据(x[i],y[i]), 很容易用方程y=f(x)来拟合,有很多工具(
gnuplot,xmgrace)可以做到。但是对于三维数据(x[m],y[n],z[m,n]),请问有什么现
成的工具可以用来拟合?若是没有现成的工具,我需要自己写程序,该如何着手?
我在网上搜索“least-squares fitting”,找到一些说明和子程序,但全都是用y=f(x
)来拟合数据(x,y),没有用z= | h******p 发帖数: 113 | 2 我觉得可以用Mathematica的FindFit函数,
http://reference.wolfram.com/mathematica/ref/FindFit.html?q=FindFit&lang=en
在Method中用LevenbergMarquardt或者NMinimize效果比较好。
如果参数多的话,可以先估算一些值,然后逐步refine.
另外就是好像有时1stopt 软件更强一些,不过Mathematica也已经不错了,比IGOR Pro
要好一些。
不对之处,请指教。 | h****a 发帖数: 580 | 3 多谢老大,我会去找Mathematica来试一下,我们组没有这个软件。
马上给你发包子。
Pro
【在 h******p 的大作中提到】 : 我觉得可以用Mathematica的FindFit函数, : http://reference.wolfram.com/mathematica/ref/FindFit.html?q=FindFit&lang=en : 在Method中用LevenbergMarquardt或者NMinimize效果比较好。 : 如果参数多的话,可以先估算一些值,然后逐步refine. : 另外就是好像有时1stopt 软件更强一些,不过Mathematica也已经不错了,比IGOR Pro : 要好一些。 : 不对之处,请指教。
| f***e 发帖数: 43 | 4 用不着软件,这个问题很简单, linear regression
写成一个objective function, minimize it, find the coefficient
y=, w, x a vector, <> inner product
minimize J=sum_i(y_i-)^2, i is the index of sample
take partial j/partial w =0,
w=(x^T x)^(-1)x^T y (T is the transpose)
(x^Tx)^(-1)x^T is also called pseudo inverse of x
多给包子,我给你发一个详细的求解过程。 |
|