Curve_fit不會收斂意味着......？

Question

我需要交叉匹配不同目錄的天文座標列表，並且我想確定交叉匹配的最大半徑。這將避免我的列表和目錄之間的不匹配。

爲此，我計算列表中每個對象的最佳匹配與目錄之間的分隔。我的初始列表被列爲已知對象的位置，但可能會發生它在目錄中未被檢測到，並且我的座標可能會受到小偏移的影響。

他們的方式我計算的最大半徑是用高斯擬合高斯分離的核密度，並使用中心+ 3sigmas的值。該方法適用於大多數情況，但是當我的列表的一個小子樣本有偏移量時，我有兩個高斯。在這些情況下，我將以不同的方式指定最大半徑。

我的問題是，當發生這種情況時，curve_fit通常無法用一個高斯擬合。對於科學出版物，我需要證明curve_fit中的「不適合」，並在這種情況下使用「不同的方式」。有人能用數學術語來說明這個意思嗎？

Answer 1

你有多種不同的長度可以證明這個或那個適合的ansatz ---這很大程度上取決於你的具體情況的細節（例如：你爲什麼期望高斯在第一個地方工作？深入你需要/想要深入研究爲什麼確切的擬合過程失敗，究竟是什麼失敗等）。

如果問題確實是關於curve_fit及其收斂失敗的問題，那麼向我們展示一些代碼和一些可以證明問題的輸入數據。

如果問題是關於如何評估適合度，你最好回到圖書館並選擇一本關於統計的好書。

如果你只是想說明爲什麼在某些情況下高斯不是一個好擬合ansatz，一種方法是計算這些矩：對於高斯分佈，第一，第二，第三和更高時刻是related to each other以非常精確的方式。如果你能證明你的底層數據的時刻之間的關係是非常不同的，這聽起來是合理的，這些數據不能用高斯擬合。