scipy.optimize curve_fit 的麻烦

Question

我在使用 scipy 优化包拟合曲线时遇到了一些麻烦。我的代码是：import numpy as npimport matplotlib.pyplot as pltfrom scipy.optimize import curve_fitdef Function_EXD_2(x, d, e):    return d*np.exp(-x/e)x = np.array([135, 126, 120, 100, 90, 85, 80, 70, 65, 60])y = np.array([207, 263, 401, 460, 531, 576, 1350, 2317, 2340, 2834])popt, pcov = curve_fit(Function_EXD_2, x, y)print(popt, pcov)我得到 popt = [1,1]，所以优化不起作用。我已经在 R 中完成了“相同”，我正在执行 popt = [44237.53, 22.21] aprox。有人可以帮我吗？

Answer 1

有两个问题：

1. 功能定义

2. x 数组需要从0

我已经翻转了您的数据值并为拟合算法添加了界限

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

def func(x, a, b, c):

    return a * np.exp(-b * x) + c

x = np.array([135, 126, 120, 100, 90, 85, 80, 70, 65, 60])

y = np.array([207, 263, 401, 460, 531, 576, 1350, 2317, 2340, 2834])

# flip array values

x = x[::-1] - np.amin(x)

y = y[::-1]

# fit function

popt, pcov = curve_fit(func, x, y, bounds=(-10**6, 10**6))

# plot data

x_data = np.linspace(1, 80, 100)

plt.plot(x, y, '.')

plt.plot(x_data, func(x_data, popt[0], popt[1], popt[2]))

plt.show()

输出：