我最近一直在使用Mathematica来处理我的数据。我有一种方法,可以从来自静态接收器的4个或更多距离测量值(也是X,Y坐标)中计算X,Y坐标。
我使用mathematica函数来最有效地处理我所拥有的数据:
NonlinearModelFit[data, Norm[{x, y} - {x0, y0}], {x0, y0}, {x, y},
Weights -> 1/distances, Method->"LevenbergMarquardt"]
在哪里
data = {{548189.217202, 5912779.96059, 93}, {548236.967784, 5912717.80716, 39},
{548359.406452, 5912752.54022, 88}, {548358.636206, 5912690.89573, 97}};
distances = {93, 39, 88, 97};
x0,y0是它找到的解
上面的mathematica输出为:
FittedModel[{"Nonlinear", {x0 -> 548272.0043962265,
y0 -> 5.912735710367113*^6},
{{x, y}, Sqrt[Abs[x - x0]^2 + Abs[y - y0]^2]}},
{{1/93, 1/39, 1/88, 1/97}}, {{548189.217202, 5.91277996059*^6, 93},
{548236.967784, 5.91271780716*^6, 39},
{548359.406452, 5.91275254022*^6, 88},
{548358.636206, 5.91269089573*^6, 97}},
Function[Null, Internal`LocalizedBlock[{x, x0, y, y0}, #1], {HoldAll}]]
x0, y0
是我的解决方案。
所以我不是在拟合曲线,而是在拟合一个点(权重与距离成反比)。我在谷歌上四处寻找,但根本不确定从哪里开始使用scipy函数scipy.optimize.leastsq算法来引入加权功能...
那么,如果mathematica能做到这一点,我为什么还要这样做呢?从python代码调用mathematicascript(使用子进程模块)对于我想用实时数据做的事情来说太慢了,所以我想尝试用python重写,看看速度是否可以提高。
1条答案
按热度按时间2hh7jdfx1#
Mathematica中的一种等效方法(给出完全相同的x 0,y 0),也许这更容易考虑移植到python。
注意,我明确地将权重(1/#3)放入误差准则中。
同样的东西更可读一点。