Question

我知道这些问题已经被问了几次，但我仍然无法得到它：我想定义一个返回多个参数的函数。

我编写了以下代码以使数据适合偏斜的高斯函数：

def skew(x, sigmag, mu, alpha, c, a):
    normpdf = (1/(sigmag*np.sqrt(2*math.pi)))*np.exp(-(np.power((x-mu),2)/(2*np.power(sigmag,2))))
    normcdf = (0.5*(1+sp.erf((alpha*((x-mu)/sigmag))/(np.sqrt(2)))))
    return 2*a*normpdf*normcdf + c

popt, pcov = curve_fit(skew, xdata, ydata, p0=(5.5, 57636., 4.5, 0.0001, 0.01))
y_fit= skew(xdata, popt[0], popt[1], popt[2], popt[3], popt[4])

但是，我的想法是获取数据分布的峰值，而不是skew函数返回的平均值作为最佳拟合值之一。因此，我需要mode分布，可以计算为normpdf的最大值。

如何从我定义的函数中获取normpdf并获得最大拟合数据？

Answer 1

您的代码不是我们可以运行的最小，完整和可验证的示例，并且您没有提供示例输出，但我想我看到了这个问题。您似乎在询问popt, pcov = curve_fit(...)行中使用的逗号'，'元组解包运算符。我们将保持该行不变，并从您的函数中恢复mode。使用此：

def skew2(x, sigmag, mu, alpha, c, a):
    normpdf = (1 / (sigmag * np.sqrt(2 * math.pi))) * np.exp(-(np.power((x - mu), 2) / (2 * np.power(sigmag, 2))))
    normcdf = (0.5 * (1 + sp.erf((alpha * ((x - mu) / sigmag)) / (np.sqrt(2)))))
    return 2 * a * normpdf * normcdf + c, max(normpdf)

def skew(x, sigmag, mu, alpha, c, a):
    return skew2(x, sigmag, mu, alpha, c, a)[0]

popt, pcov = curve_fit(skew, xdata, ydata, p0=(5.5, 57636., 4.5, 0.0001, 0.01))
y_fit, mode = skew2(xdata, *popt[:5])

定义偏斜高斯函数，在拟合后返回两个参数

1 个答案: