معرفی شرکت ها

brute-curvefit-0.0.4

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.0.4
0.0.3
0.0.2
0.0.4
0.0.3

توضیحات

Curve fitting using both brute force and scipy.optimize
ویژگی مقدار
سیستم عامل -
نام فایل brute-curvefit-0.0.4
نام brute-curvefit
نسخه کتابخانه 0.0.4
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Anal Kumar
ایمیل نویسنده analkumar2@gmail.com
آدرس صفحه اصلی https://github.com/analkumar2/brute_force
آدرس اینترنتی https://pypi.org/project/brute-curvefit/
مجوز -
This is a simple script which tries to find the global minima using scipy.optimize.curve_fit as well as a parameter search over the parameter space. It first generates ntol random models, then selects ntol*returnnfactor best models and does scipy.optimize.curve_fit on all of them. It then returns the best model of them all. This script improves scipy.optimize.curve_fit in two ways - No need to give initial values and thus getting global minima instead of local minima. And second, it automatically normalize and standardizes the data. FUTURE: 1. Parallelize 2. Use Genetic algorithm instead of brute-force USAGE EXAMPLE: import brute_curvefit as bf import numpy as np import matplotlib.pyplot as plt def yourfunc(x, A,B,C): return (x-A)/B +C params, error = bf.brute_then_scipy(func=yourfunc, x=np.arange(100), y=np.arange(100)**2, restrict=[[-1000,-1000,-1000],[1000,1000,1000]]) plt.plot(np.arange(100), np.arange(100)**2) #plotting data plt.plot(np.arange(100), yourfunc(np.arange(100), *params)) #plotting the fitted function plt.show() #As simple as that


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl brute-curvefit-0.0.4:

    pip install brute-curvefit-0.0.4.whl


نصب پکیج tar.gz brute-curvefit-0.0.4:

    pip install brute-curvefit-0.0.4.tar.gz