在 Python 中将一种数据模式拟合到另一种数据模式答案

【问题标题】：Fitting one data pattern to another in Python在 Python 中将一种数据模式拟合到另一种数据模式
【发布时间】：2020-11-23 15:32:50
【问题描述】：

假设有一个模式在某些点上是已知的，但具有未知的功能形式。假设还有一个数据集。就计算机而言，两者都只是一组 (x,y) 值。

但是，我仍然想通过简单的关系 a*P+b 将我的模式拟合到数据中，并且我想通过实际的拟合例程找到参数 a,b 的最佳值。我怎样才能用类似于optimize.curve_fit() 的东西来做到这一点，还是我必须发明自己的方法？

【问题讨论】：

使用 optimize.curve_fit。有很多例子。另见realpython.com/linear-regression-in-python
据我所知，optimize,curve_fit() 需要传递模型函数，而我没有。
@BrandonMyers 如果我理解得很好，您有数据点，您想在其中拟合曲线并获取其参数？
不，我基本上有2组数据点。一个是已知模式（具体来说是 K7 恒星光谱），然后是数据（我们想要输入的另一个系统的光谱）。该模式没有功能形式，该模式没有y=mx+b 类型的东西，它只是一堆精确的（x，y）数据点。我想知道缩放这些点以匹配数据的最佳参数是什么。换句话说，给定一个 {(Dx, Dy)} 形式的数据集和一个 {(Px,Py)} 形式的模式集，是否有一个函数给出 a,b 使得 Dy-aPy+b 是最小化。
@BrandonMyers 你的模型函数是 f(x) = ax + b。

【解决方案1】：

你想要达到的目标有一个名字。这是一个回归问题。您想找到数据点之间的关系以及它们之间的链接方式。

话虽如此，您可以从 sci-kit learn 中查看LinearRegression()。这对您的情况很有用。

注意：线性回归可能无法捕获您的数据所具有的任何关系，然后尝试使用其他模型，例如带有非线性内核或 NN 的 SVM。（呃）。

【讨论】：