Görbeillesztés milyen programmal?

[link]

A kétféle egyenletedet pedig egy darab függvényként implementálod, a példádban szereplőt így:

import numpy as np

def f(x, a, b, k1, k2, t):

return a * np.exp(-k1*x) * (x <= t) + b * np.exp(-k2*x) * (x > t)

Most nincs időm többre, de így néz ki a dolog:

[link]

Amúgy amit kérsz az általánosságban esélytelen, és a fenti kód is egészen szar eredményt ad egy egyszerű, nem túl vad esetre is. Az első exponenciálist pontosan eltalálja, de a másodiknál jócskán mellétrafál, és a töréspont is mellémegy kicsit.

Te egy univerzális paraméterbecslőt akarsz, ami kb a szent grálja minden optimizalizációs problémának. Nem fog menni a probléma pontos ismerete nélkül, végképp ilyen primitív eszközökkel. A te példádra is, pl a függvény log-transzformáltjával alighanem jobb eredményt lehet elérni. És a paramétereket is szisztematikusan kéne optimalizálni, pl. külön-külön becsülsz paramétert a log-transzformált (lineárissá tett) exponenciálisaidra az aktuálisan tesztelt töréspont bal és jobb oldalán, és utólag választod ki azt a töréspontot ami a legalacsonyabb globális hibát adja.

Ha az exponenciálisod csak egy példa volt, és te általános nemlineáris függvények paramétereit akarod optimalizálni... hát, sok sikert. Keress egy online egyetemi irányításelmélet kurzust, tanulj meg programozni, stb. Olyat kérsz amire nincs recept, és nem is lehet.