我有以下数据集
angles =np.arange(-90,91,15)
n_col_cnts =([ 0.08692008,0.46557143,0.7282595,0.89681908,0.97057961,1.,0.99488705,0.91823478,0.84187586, 0.73110934,0.53363229,0.25338418,0.01328528])
我想使用来自optimize.leastsq()的{{1}}来对这些数据进行高斯拟合，但已达到绊脚石。以下是我从here
scipy但是我收到错误消息
fitfunc = lambda p, x: p[0]*math.exp(-((x-p[1])/p[2])**2) #Target function
errfunc = lambda p, x, y: fitfunc(p, x) - y # Distance to the target function
p0 = [1., 0., 30.] # Initial guess for the parameters
fit, success = optimize.leastsq(errfunc, p0[:], args=(angles,n_col_cnts))
我不明白。我做错了什么？
答案 0 :(得分：4)
我认为fitfunc需要使用数组。将math.exp更改为np.exp
答案 1 :(得分：1)
正如Janne所说，它需要能够支持一个大的多维'x'作为自变量 - 它实际上是它们的矩阵，这让我在昨天找到了很多东西。因此，它需要完全矢量化，因此您必须使用np.exp才能允许矩阵的元素的指数;不是权力的矩阵。允许参数占用“m”个空格，但在传递的函数中，自变量只能占用一个。
我讨厌这样做，但昨天有人问过类似的问题，如果你有兴趣，我会写一篇非常深入的回复：