Python 是否将三维椭球体拟合到三维点的分布？

我有很多点在三维空间笛卡尔x，y，z，想适合一个椭球体 以确定轴比。这里的问题是，我在点上没有点的分布，并且这个问题的解决方案主要考虑表面上的点。这也适合迭代，就像一些优化或mcmc类型的方法一样，我在Python中工作

我使用的代码在以下答案中给出：

---

但这不适用于我，我想这是针对椭球表面上的点。但我有更多的点密度分布，而不是曲面点。

我假设您不是在寻找最紧密的边界椭球，也不是基于外部点的某些最佳拟合椭球，例如在凸面外壳上拟合的椭球

我知道你在追求一个分布，即坐标的单位和正函数，你希望它具有椭球对称性，因此等概率点的轨迹是椭球

如果你假设你的分布是多元正态分布

P(p) = c.exp(-(p-µ)^T M (p-µ)/2) 

---

然后M是协方差矩阵的逆矩阵，µ是平均向量。

Hi Warrenmovic。你能帮我们多了解一些情况吗？你的一系列观点，以及你目前掌握的代码？如果没有更多关于你的问题的信息，很难给你一个答案，但是这里有几个链接，或者根据你的数据，可能是更好的匹配。在过去，我曾使用PCA的一种变体进行椭球拟合，但数据集特别适合它。