nlsq_curvefit2_animation.py ドキュメント

概要

nlsq_curvefit2_animation.py は、ガウス関数を用いた非線形最小二乗法によるカーブフィットを実行し、最適化アルゴリズムによるパラメータ探索の過程をアニメーションとして可視化するスクリプトである。

目的

  • 観測データに対してガウス関数を当てはめる非線形最小二乗法の計算過程を視覚的に理解する。

  • ソルバー( scipy.optimize.minimize )の探索過程におけるパラメータの推移や、関数曲線の変化を確認する。

動作要件

本スクリプトを実行するためには、以下の非標準ライブラリが必要である。

  • numpy

  • matplotlib

  • scipy

理論とアルゴリズム

フィッティング対象となるモデル関数は、以下のガウス関数として定義されている。

\[f(x; a, x_0, w) = a \exp\left(-\frac{(x - x_0)^2}{w^2}\right)\]

ここで、各パラメータは以下の物理的・数学的意味を持つ。

  • \(a\) : ピークの振幅

  • \(x_0\) : ピークの中心位置

  • \(w\) : ピークの幅に関連するパラメータ

スクリプトの内部では、真のパラメータを \(a=1.0\)、\(x_0=0.0\)、\(w=2.0\) に設定し、正規分布に従うランダムノイズを付加して観測データ \(y_i\) を生成している。 パラメータの最適化においては、以下の残差二乗和 \(S\) を目的関数とし、この値を最小化するパラメータを探索する。

\[S(a, x_0, w) = \sum_{i=1}^{N} \left( y_i - f(x_i; a, x_0, w) \right)^2\]

最適化計算には scipy.optimize.minimize が用いられる。ソルバーの各イテレーション終了時にコールバック関数( callback )が呼び出され、パラメータの更新に合わせてグラフ上の関数曲線を描画し直すことで、フィッティング過程のアニメーションを実現している。

入出力仕様

入力データとなる座標群はプログラム内部で自動生成される。 実行時には、以下のコマンドライン引数を入力として受け付ける。

  • 第1引数: 振幅 \(a\) の初期推定値

  • 第2引数: 中心位置 \(x_0\) の初期推定値

  • 第3引数: 幅 \(w\) の初期推定値

出力仕様は以下の通りである。

  • 標準出力:

    • プログラム開始時の初期パラメータ

    • 各イテレーションにおける反復回数( iter )と計算中のパラメータ値

    • 最適化処理完了時の結果要約と最終的な最適パラメータ

  • 画面出力:

    • matplotlib のインタラクティブモード( plt.ion )を利用したグラフウィンドウ。観測データ、初期推定値の曲線、フィッティング中の動的曲線、および最終フィット結果が表示される。

実行例

パラメータの初期推定値を引数として指定し、スクリプトを実行する。

python nlsq_curvefit2_animation.py 2.0 2.0 0.5

引数を全く指定せずに実行した場合は、使用方法を示すメッセージが出力され、プログラムは異常終了する。

python nlsq_curvefit2_animation.py