我是否正确编写了曲线拟合模型的代码？

Question

我对用 python 编码很陌生，可以在回答这个问题时使用一些支持。我为这个问题编写了代码，但我的模型看起来不正确。下面是问题：优化 - 曲线拟合 给定 16 对价格（作为因变量）和相应的需求（作为自变量），使用曲线拟合工具估计最佳拟合线性、指数、对数和幂曲线。价格 需求 127 3420 134 3400 136 3250 139 3410 140 3190 141 3250 148 2860 149 2830 151 3160 154 2820 7 10 2 5 10 2 7 8 1 0 1 0下面是我的代码：from pylab import *from numpy import *from numpy.random import *from scipy.optimize import *# linear regression#called in curve fitting modeldef linreg(x,a,b):    return a*x+b# datax = [3420, 3400, 3250, 3410, 3190, 3250, 2860, 2830, 3160, 2820, 2780, 2900, 2810, 2580, 2520, 2430]x = np.asarray(x, dtype=np.float64)y = [127, 134, 136 ,139, 140, 141, 148, 149, 151, 154, 155, 157, 159, 167, 168, 171]y = np.asarray(y, dtype=np.float64)#liner regression# curve fittingattributes,variances = curve_fit(linreg,x,y)# estimated yy_modeled = x*attributes[0]+attributes[1]# plot true and modeled resultsplot(x,y,'ob',markersize=2)plot(x,y_modeled,'-r',linewidth=1)show()# exponential regression#called in curve fitting modeldef expon(x, a, b, c):    return a * np.exp(-b * x) + c#exponential# curve fittingattributes,variances = curve_fit(expon,x,y)# estimated yy_modeled = x*attributes[0]+attributes[1]# plot true and modeled resultsplot(x,y,'ob',markersize=2)plot(x,y_modeled,'-r',linewidth=1)show()# logarithmic functiondef logar(x, p1,p2):  return p1*np.log(x)+p2#logarithmic# curve fittingattributes,variances = curve_fit(logar,x,y)# estimated yy_modeled = x*attributes[0]+attributes[1]# plot true and modeled resultsplot(x,y,'ob',markersize=2)plot(x,y_modeled,'-r',linewidth=1)show()#power curve function? MAybe? def powerlaw(x,a,b):    return a*(x**b)#power curves# curve fittingattributes,variances = curve_fit(powerlaw,x,y)# estimated yy_modeled = x*attributes[0]+attributes[1]# plot true and modeled resultsplot(x,y,'ob',markersize=2)plot(x,y_modeled,'-r',linewidth=1)show()当我运行线性回归模型时，该线拟合数据。但是，每当我运行其他曲线拟合选项时，线都在数据点上方。它根本不符合数据。谢谢！任何帮助将不胜感激。我们的助教正在罢工，所以我没有人可以提供帮助。

Answer 1

您没有正确调用模型。试试这些，它们的形式为“function(x,pointer_to_parameters)”

y_modeled = linreg(x, *attributes)

y_modeled = expon(x, *attributes)

y_modeled = logar(x, *attributes)

y_modeled = powerlaw(x, *attributes)

有了这些，我从你的代码中得到了很好的图。