CurveFitter

 
CurveFitter = class CurveFitter(IterativeFitter)
    CurveFitter(xdata, model, method=None, fixedScale=None, map=False, keep=None)
 
CurveFitter implements scipy.optimize.curve_fit.
 
Author:      Do Kester.
 
Attributes
----------
method : {'lm', 'trf', 'dogbox'}
    'lm'        LevenbergMarquardt (default for no limits)
    'trf'       Trust Region Reflective (default for limits)
    'dogbox'    for small problems with limits
 
Raises
------
ConvergenceError    Something went wrong during the convergence if the fit.
 
 
Method resolution order:
CurveFitter
IterativeFitter
BaseFitter
builtins.object
Constructor:
CurveFitter( xdata, model, method=None, fixedScale=None, map=False, keep=None )
Create a new class, providing inputs and model.
 
Parameters
----------
xdata : array_like
    array of independent input values
model : Model
    the model function to be fitted
method : 'lm' | 'trf' | 'dogbox'
    method to be used
fixedScale : None or float
    the fixed noise scale.
map : bool (False)
    When true, the xdata should be interpreted as a map.
    The fitting is done on the pixel indices of the map,
    using ImageAssistant
keep : dict of {int:float}
    dictionary of indices (int) to be kept at a fixed value (float)
    The values of keep will be used by the Fitter as long as the Fitter exists.
    See also `fit( ..., keep=dict )`
Methods defined here:
fit( ydata, weights=None, inipar=None, keep=None, limits=None,
         accuracy=None, plot=False, **kwargs)

Return      parameters for the model fitted to the data array.
 
Parameters
----------
ydata : array_like
    the data vector to be fitted
weights : array_like
    weights pertaining to the data
    The weights are relative weights unless fixedScale is set.
accuracy : float or array_like
    accuracy of (individual) data
inipar : array_like
    inital parameters (default from Model)
keep :  dict of {int:float}
    dictionary of indices (int) to be kept at a fixed value (float)
    The values of keep are only valid for *this* fit
    See also `CurveFitter( ..., keep=dict )`
limits : None or list of 2 floats or list of 2 array_like
    None :        from Model if Model has limits set else no limits
    [-inf,+inf] : no limits applied
    [lo,hi] :     low and high limits for all values
    [la,ha] :     low array and high array limits for the values
plot : bool
    Plot the results.
kwargs : dict
    keywords arguments to be passed to :ref:`curve_fit<scipy.optimize.curve_fit>`
 
Raises
------
    ValueError when ydata or weights contain a NaN
jacobian( xdata, *fitpar )
Method to make connection to the scipy optimizers
 
Parameters
----------
xdata : array_like
    input data
fitpar : (tuple of) float
    parameters for the model
result( xdata, *fitpar )
Result method to make connection to the scipy optimizers
 
Parameters
----------
xdata : array_like
    input data
fitpar : tuple of float
    parameters for the model
Methods inherited from IterativeFitter:
Methods inherited from BaseFitter: