我今天一直在使用scipy.optimize.curve_fit（）函数，我可以得到一些非常好的结果，但我不太确定如何让一些数据点比其他数据点更重要。
让我简要总结一下情况： 我们需要将衰减曲线拟合到从我们的实验中收集的一些数据。一些数据点比其他数据点更频繁地发生，并且这些数据点由权重确定。这意味着如果我们有一个数据点A，权重x和一个数据点B，权重为2x，这将等于将曲线拟合到一个数据点A，权重为x，两个数据点B为权重x。
问题是只能使用不确定性（即sigma）对curve_fit函数进行加权。我认为我很聪明地将每个重量转换为所有重量之和的比例，然后将这个比例转换为Z分数（我认为这在不确定性方面是相同的），而且这比相应的更好。根本没有权衡任何东西，我仍然通过一些单元测试发现在将权重0.5与两个实际数据点进行比较时并不是这样。
如何将curve_fit与线性权重一起使用？
PS：通过单元测试，我发现拟合数据点：
(0,0) with weight 1
(1,0) with weight 1
(1,1) with weight 1
(1,1) with weight 1
产生与拟合相同的结果：
(0,0) with weight 1
(1,0) with weight 1
(1,1) with weight 0.70710678118
特别是，sin（0.5 * pi）= 1而sin（0.25 * pi）= 0.70710678118 !!所以这里似乎有一个正弦关系？不幸的是，我的数学技能限制了我理解确切的关系。
此外，不幸的是，sin（0.125 * pi）不等于3或4的重量......