peakfit10.py ダウンロード/コピー
peakfit10.py
peakfit10.py
1"""
2概要:
3 ピークフィッティングと最適化過程の可視化を行うスクリプトです。
4
5詳細説明:
6 ガウス関数と一次式ベースラインを組み合わせたモデルを用いて、
7 与えられたデータに対する非線形最小二乗法によるフィッティングを行います。
8 最適化の過程を matplotlib を用いてリアルタイムに可視化します。
9
10主な機能:
11 ガウス関数とベースラインの計算。
12 残差平方和を目的関数とした最適化。
13 最適化過程のアニメーション表示。
14
15関連リンク:
16 peakfit10_usage
17"""
18import numpy as np
19import matplotlib.pyplot as plt
20from scipy.optimize import minimize
21
22
23#method = "Nelder-Mead"
24method = "bfgs"
25
26
27def gaussian(x, A, mu, sigma):
28 """
29 概要:
30 ガウス関数の値を計算します。
31
32 詳細説明:
33 入力データ x に対して、振幅 A、中心 mu、標準偏差 sigma のガウス関数を評価します。
34
35 引数:
36 :param x: 入力データ配列または数値。
37 :type x: numpy.ndarray or float
38 :param A: ガウス関数の振幅。
39 :type A: float
40 :param mu: ガウス関数の中心位置。
41 :type mu: float
42 :param sigma: ガウス関数の標準偏差。
43 :type sigma: float
44
45 戻り値:
46 :returns: ガウス関数の計算結果。
47 :rtype: numpy.ndarray or float
48 """
49 return A * np.exp(-(x - mu)**2 / (2 * sigma**2))
50
51
52def baseline(x, b0, b1):
53 """
54 概要:
55 一次式によるベースラインの値を計算します。
56
57 詳細説明:
58 入力データ x に対して、切片 b0 と傾き b1 を持つ直線関数の値を計算します。
59
60 引数:
61 :param x: 入力データ配列または数値。
62 :type x: numpy.ndarray or float
63 :param b0: ベースラインの切片。
64 :type b0: float
65 :param b1: ベースラインの傾き。
66 :type b1: float
67
68 戻り値:
69 :returns: ベースラインの計算結果。
70 :rtype: numpy.ndarray or float
71 """
72 return b0 + b1 * x
73
74
75def model(x, p):
76 """
77 概要:
78 フィッティング対象のモデル関数の値を計算します。
79
80 詳細説明:
81 パラメータのリスト p から A, mu, sigma, b0, b1 を取り出し、
82 ガウス関数とベースラインの和を計算して返します。
83
84 引数:
85 :param x: 入力データ配列。
86 :type x: numpy.ndarray
87 :param p: モデルのパラメータ A, mu, sigma, b0, b1 を含むリストまたは配列。
88 :type p: list or tuple or numpy.ndarray
89
90 戻り値:
91 :returns: モデル関数の計算結果。
92 :rtype: numpy.ndarray
93 """
94 A, mu, sigma, b0, b1 = p
95 return gaussian(x, A, mu, sigma) + baseline(x, b0, b1)
96
97
98def objective(p, x, y):
99 """
100 概要:
101 最適化のための目的関数を計算します。
102
103 詳細説明:
104 観測データ y とモデル関数の予測値の差の平方和を計算し、残差平方和を返します。
105
106 引数:
107 :param p: モデルのパラメータリスト。
108 :type p: list or tuple or numpy.ndarray
109 :param x: 入力データ配列。
110 :type x: numpy.ndarray
111 :param y: 観測データ配列。
112 :type y: numpy.ndarray
113
114 戻り値:
115 :returns: 残差平方和の値。
116 :rtype: float
117 """
118 return np.sum((y - model(x, p))**2)
119
120
121def fit_with_visualization(x, y, p0):
122 """
123 概要:
124 最適化の過程を可視化しながらフィッティングを行います。
125
126 詳細説明:
127 scipy.optimize.minimize を用いてパラメータの最適化を行い、
128 各ステップごとのパラメータと誤差を履歴として記録します。
129 また、各ステップのフィッティング結果をグラフに描画して更新します。
130
131 引数:
132 :param x: 入力データ配列。
133 :type x: numpy.ndarray
134 :param y: 観測データ配列。
135 :type y: numpy.ndarray
136 :param p0: 初期パラメータのリスト。
137 :type p0: list or numpy.ndarray
138
139 戻り値:
140 :returns: 最終的な最適化パラメータ、パラメータの履歴リスト、誤差の履歴リストのタプル。
141 :rtype: tuple
142 """
143 history_params = []
144 history_error = []
145
146 plt.ion()
147 fig, ax = plt.subplots(figsize=(8, 5))
148
149 # callback: 1 step ごとに呼ばれる
150 def callback(p):
151 """
152 概要:
153 最適化の各ステップで呼び出されるコールバック関数です。
154
155 詳細説明:
156 現在のパラメータ p を受け取り、誤差を計算して履歴に保存します。
157 また、コンソールへの出力とグラフの更新を行います。
158
159 引数:
160 :param p: 現在のステップにおけるパラメータリスト。
161 :type p: numpy.ndarray
162 """
163 err = objective(p, x, y)
164 history_params.append(p.copy())
165 history_error.append(err)
166
167 print(f"step {len(history_params)}")
168 print(f"params = {p}")
169 print(f"error = {err:.5f}")
170 print("-" * 40)
171
172 # グラフ更新
173 ax.clear()
174 ax.plot(x, y, "o", ms=4, label="data")
175 ax.plot(x, model(x, p0), "--", label="initial")
176 ax.plot(x, model(x, p), "-", label="current fit")
177 ax.legend()
178 ax.set_title(f"Iteration {len(history_params)} Error={err:.4f}")
179 plt.pause(0.1)
180
181 # 最適化(Nelder-Mead は安定で可視化しやすい)
182 result = minimize(
183 objective,
184 p0,
185 args=(x, y),
186 method=method,
187 callback=callback,
188 options={"maxiter": 200, "disp": True}
189 )
190
191 plt.ioff()
192 plt.show()
193
194 return result.x, history_params, history_error
195
196if __name__ == "__main__":
197 x = np.linspace(0, 10, 200)
198 y_true = model(x, [5, 5, 0.8, 1.0, 0.1])
199 y = y_true + 0.3 * np.random.randn(len(x))
200
201 p0 = [3, 4, 1.0, 0.0, 0.0] # わざと悪い初期値
202
203 popt, params_hist, err_hist = fit_with_visualization(x, y, p0)
204
205 print("最終パラメータ:", popt)