Я пытался выполнить подгонку набора изображений от пикселя к пикселю, т.е. у меня есть данные на разных длинах волн в разных изображениях, и я пытаюсь подобрать функцию для каждого пикселя индивидуально. Я сделал подгонку с помощью lmfit и получил значения неизвестных параметров для каждого пикселя. Теперь я хочу получить значение хи-квадрат для каждого соответствия. Я знаю, что lmfit имеет этот атрибут chisqr, который может дать мне то же самое, но меня смущает эта строка с сайта lmfit github: «Обратите внимание, что при вычислении хи-квадрат и уменьшенного хи-квадрат предполагается, что возвращаемый остаточная функция правильно масштабируется с учетом неопределенностей данных. Чтобы эта статистика была значимой, человек, пишущий минимизируемую функцию, должен правильно ее масштабировать. «Я сомневаюсь, что значения, которые я получаю из атрибута chisqr, соответствуют не совсем правильно, и необходимо некоторое масштабирование. Может кто-нибудь объяснить, как lmfit вычисляет значение chisquare и какое масштабирование мне нужно сделать?
Это образец моей функции подгонки
def fcn2fit(params,freq,F,sigma):
colden=params['colden'].value
tk=params['tk'].value
model = greybodyfit(np.array(freq),colden,tk)
return (model - F)/sigma
colden и tk - свободные параметры, freq - независимая переменная, а F - зависимая переменная, sigma - ошибка в F. Возвращает (model-F) / sigma правильный способ масштабирования остатков, чтобы атрибут chisqr давал правильное значение хи-квадрат?
