我有一個模型方程讓我們把它eq_m:結束在SciPy的非線性曲線擬合適合
,我知道我的數據集如下,我想適合我的數據eq_m讓我能使用擬合參數來預測新數據。
然而這eq_m是非線性的,因此我用SciPy的的curve_fit得到的λ,μ,Σ-參數值,並使用下面的代碼片斷:
opt_parms, parm_cov = o.curve_fit(eq_m, x, y,maxfev=50000)
lamb , mu, sigm = opt_parms
我運行數據的各種基團,其是所有這種模式應該遵循這個模型,並且55/60給了我很好的結果,但是其餘5個組高度過度擬合併且預測具有高正值的參數。有沒有一種方法可以調整曲線擬合,並使用scipy/numpy或scikit-learn來懲罰高量級參數值?
我的導師建議採用共軛先驗,但我不知道該怎麼做在這裏。
任何人都可以幫助我嗎?如果我必須提供一個猜測來解決這個問題,有人可以請告訴我如何計算這些猜測?