nlsq_curvefit2_animation.py ダウンロード/コピー
nlsq_curvefit2_animation.py をダウンロード
nlsq_curvefit2_animation.py
nlsq_curvefit2_animation.py
1"""
2概要:
3 非線形最小二乗法を用いたカーブフィットのアニメーションを表示するスクリプトです。
4
5詳細説明:
6 scipy.optimize.minimizeを使用してガウス関数のフィッティングを行い、
7 その過程をmatplotlibでリアルタイムにアニメーション描画します。
8 コマンドライン引数で初期のパラメータ a、x0、w を指定できます。
9
10関連リンク:
11 nlsq_curvefit2_animation_usage
12"""
13import sys
14import numpy as np
15import matplotlib.pyplot as plt
16from matplotlib.font_manager import FontProperties
17from scipy.optimize import minimize
18
19# 日本語フォントの設定
20fp = FontProperties(family='MS Gothic')
21
22# パラメータの初期値
23p0 = [2.0, 2.0, 0.5]
24
25argv = sys.argv
26narg = len(argv)
27if narg == 1:
28 print(f"\nUsage: {argv[0]} [a] [x0] [w]\n")
29 sys.exit(1)
30if narg >= 2:
31 p0[0] = float(argv[1])
32if narg >= 3:
33 p0[1] = float(argv[2])
34if narg >= 4:
35 p0[2] = float(argv[3])
36
37print()
38print(f"Initial parameters: a={p0[0]}, x0={p0[1]}, w={p0[2]}")
39
40# フィットする関数の定義
41def func(x, a, x0, w):
42 """
43 概要:
44 フィットに用いるガウス関数です。
45
46 引数:
47 :param x: x座標のデータ配列。
48 :type x: numpy.ndarray
49 :param a: 振幅パラメータ。
50 :type a: float
51 :param x0: 中心座標パラメータ。
52 :type x0: float
53 :param w: 幅パラメータ。
54 :type w: float
55
56 戻り値:
57 :returns: ガウス関数の計算結果の配列。
58 :rtype: numpy.ndarray
59 """
60 return a * np.exp(-(x - x0)**2 / w**2)
61
62# データの生成
63xdata = np.linspace(-10, 10, 100)
64y_data = func(xdata, 1.0, 0.0, 2.0) + 0.1 * np.random.normal(size=xdata.size)
65
66# 残差関数の定義
67def residuals(params, x, y):
68 """
69 概要:
70 フィッティングの残差を計算します。
71
72 引数:
73 :param params: 最適化対象のパラメータリスト。
74 :type params: list または numpy.ndarray
75 :param x: x座標のデータ配列。
76 :type x: numpy.ndarray
77 :param y: y座標のデータ配列。
78 :type y: numpy.ndarray
79
80 戻り値:
81 :returns: データとモデルの差分残差配列。
82 :rtype: numpy.ndarray
83 """
84 return y - func(x, *params)
85
86# 最小化する関数の定義
87def minimize_func(params):
88 """
89 概要:
90 最小化の目的関数である残差平方和を計算します。
91
92 引数:
93 :param params: 最適化対象のパラメータリスト。
94 :type params: list または numpy.ndarray
95
96 戻り値:
97 :returns: 残差の二乗和。
98 :rtype: float
99 """
100 return np.sum(residuals(params, xdata, y_data)**2)
101
102# プロットの設定
103fig, ax = plt.subplots()
104ax.plot(xdata, y_data, 'bo', label='データ')
105
106line_initial, = ax.plot(xdata, func(xdata, *p0), 'g--', label='初期推定値')
107line_fit, = ax.plot(xdata, func(xdata, *p0), 'r-', label='フィット')
108ax.legend(prop=fp)
109plt.ion()
110
111# callback
112iter = 0
113def callback(params):
114 """
115 概要:
116 最適化の各反復で呼び出されプロットを更新します。
117
118 詳細説明:
119 matplotlibを用いて現在のパラメータでの関数曲線をリアルタイムに描画し、
120 コンソールに現在のイテレーション回数とパラメータを表示します。
121
122 引数:
123 :param params: 現在のイテレーションにおけるパラメータリスト。
124 :type params: numpy.ndarray
125
126 戻り値:
127 :returns: なし。
128 :rtype: None
129 """
130 global iter
131 iter += 1
132 print(f"Iteration #{iter}: params = {params}")
133 line_fit.set_data(xdata, func(xdata, *params))
134 plt.pause(0.1)
135
136# fフィッティングの実行
137result = minimize(minimize_func,
138 p0,
139 callback=callback,
140 options={'disp': True})
141
142# 最終結果のプロット
143ax.plot(xdata, func(xdata, *result.x), 'b-', label='最終フィット')
144ax.legend(prop=fp)
145plt.ioff()
146plt.show()
147
148print("最適パラメータ: ", result.x)