如何适应 scipy curve_fit 中的测量误差？

Question

我有一个 (x,y,dy) 的数据集，其中 dy 是 y 的测量误差（即 y +/- dy）。我想通过使用 dy 作为权重来拟合具有 scipy curve_fit 的函数 func。我是否使用curve_fit（func，x，y，sigma = dy）？我也使用 sigma=1/dy**2 找到了一些答案。那么，我应该使用哪一个？谢谢！

Answer 1

来自docs：

sigma : 无或 M 长度序列，可选

如果不是 None，ydata 数组中的不确定性。这些用作最小二乘问题中的权重，即最小化 np.sum( ((f(xdata, *popt) - ydata) / sigma)**2 ) 如果没有，则假定不确定性为 1。

sigma 已经在损失函数中平方，（curve_fit 本质上所做的是最小二乘算法）。

严格地说，维度分析表明您应该使用绝对 sigma（而不是平方）。在实践中，您可以根据需要使用 sigma_square，它会更多地忽略异常值。