从零实现高斯拟合：揭秘最小二乘法与参数优化的数学之美

1. 高斯拟合的数学原理与应用场景

当你看到实验数据中出现一个漂亮的"钟形曲线"时，很可能就遇到了统计学中最重要的分布——高斯分布（也叫正态分布）。这个看似简单的曲线背后，隐藏着自然界无数现象的统计规律。从物理实验测量误差到人群身高分布，从传感器噪声到金融数据波动，高斯分布无处不在。

高斯函数的标准形式看起来并不复杂：
f(x) = a * exp(-(x-μ)²/(2σ²))
其中a控制曲线高度，μ决定中心位置，σ影响曲线宽度。但当我们手头有一组实验数据想要拟合出这三个参数时，问题就变得有趣起来了。我在处理光谱仪数据时就经常遇到这个需求——每次测量得到的谱线都需要快速准确地拟合出峰位、峰强和峰宽。

2. 最小二乘法的数学魔法

2.1 从非线性到线性的巧妙转换

直接拟合指数函数会遇到非线性优化的复杂问题。这里有个绝妙的技巧：对高斯函数两边取自然对数。这个操作就像变魔术一样，把棘手的指数函数变成了友好的二次函数：
ln(f(x)) = ln(a) - (x-μ)²/(2σ²) = Ax² + Bx + C

这个转换后，A、B、C与原始参数的关系一目了然：
A = -1/(2σ²)
B = μ/σ²
C = ln(a) - μ²/(2σ²)

2.2 构建线性方程组的关键步骤

假设我们有n个数据点(xi, yi)，首先需要过滤掉yi≤0的点（因为对数运算需要正数）。然后计算以下累加量：
S_x4 = Σxi⁴
S_x3 = Σxi³
S_x2 = Σxi²
S_x = Σxi
S_1 = n
S_zx2 = Σ(ln(yi)*xi²)
S_zx2 = Σ(ln(yi)*xi)
S_z = Σln(yi)

这些累加量会构成一个3×3的线性方程组：
[S_x4 S_x3 S_x2][A] [S_zx2]
[S_x3 S_x2 S_x ][B] = [S_zx1]
[S_x2 S_x S_1 ][C] [S_z ]

3. Python实现细节剖析

3.1 线性方程组的求解艺术

解这个方程组有多种方法，我选择用克莱姆法则（Cramer's Rule）来实现，因为它直观且易于调试。核心是计算3×3矩阵的行列式：

python复制def det3(m):
    return (m[0][0]*(m[1][1]*m[2][2]-m[1][2]*m[2][1]) 
           -m[0][1]*(m[1][0]*m[2][2]-m[1][2]*m[2][0]) 
           +m[0][2]*(m[1][0]*m[2][1]-m[1][1]*m[2][0]))

当行列式接近零时，说明数据点可能存在共线性问题，这时应该抛出异常提示用户检查数据质量。

3.2 参数还原的数学之美

解出A、B、C后，还原原始参数的公式展现了数学的对称美：
σ = √(-1/(2A))
μ = -B/(2A)
a = exp(C - B²/(4A))

这里有个重要检查点：A必须是负数，否则说明拟合过程可能出了问题。我在实际项目中就遇到过因数据质量差导致A为正数的情况，这时需要加入异常处理：

python复制if A_ >= 0:
    raise ValueError("拟合失败：二次项系数应为负")

4. 实战演示与效果验证

4.1 生成模拟数据的小技巧

为了测试算法，我写了个数据生成器，其中加入了可控的随机噪声：

python复制def generate_data(a, mu, sigma, num_points=100):
    x_vals = []; y_vals = []
    for i in range(num_points):
        x = -1 + i * 0.05
        noise = random.uniform(-0.05, 0.05)
        y = a * math.exp(-(x-mu)**2/(2*sigma**2)) + noise
        y = max(y, 0.01)  # 确保y为正数
        x_vals.append(x); y_vals.append(y)
    return x_vals, y_vals

特别注意两点：1) 噪声幅度不宜过大；2) y值要做非负处理。这些都是保证对数变换有效的前提。

4.2 完整工作流示例

python复制# 生成测试数据
x_data, y_data = generate_data(a=5.0, mu=2.0, sigma=1.5)

# 执行拟合
try:
    a_fit, mu_fit, sigma_fit = gaussian_fit_log_least_squares(x_data, y_data)
    print(f"拟合结果: a={a_fit:.4f}, μ={mu_fit:.4f}, σ={sigma_fit:.4f}")
except ValueError as e:
    print("拟合失败:", str(e))

典型输出结果可能如下：
拟合结果: a=5.0123, μ=2.0009, σ=1.4988

可以看到，即使加入了5%的随机噪声，拟合结果依然非常接近真实参数值。

5. 算法局限性与改进方向

虽然这个对数变换法简单有效，但在实际项目中我发现几个需要注意的问题：

首先，它对数据中的离群点非常敏感。一个异常的y值就可能导致整个拟合失败。解决方法是在预处理阶段加入异常值过滤，或者使用更鲁棒的拟合方法（如RANSAC）。

其次，当数据存在背景噪声（如非零基线）时，这个方法会失效。这时可以考虑修改模型函数，增加背景项：
f(x) = a*exp(-(x-μ)²/(2σ²)) + b

最后，对于多峰拟合场景，这个方法需要配合峰值检测算法先进行数据分割。我在处理X射线衍射数据时就经常需要这种组合策略。