Scipy curve_fit做一个不适合一个简单的指数

Question

我试图使用scipy curve_fit将一个简单的指数拟合到一些数据中，结果是指数，其数量级太大了。import matplotlib.pyplot as pltfrom scipy.optimize import curve_fitimport mathimport numpy as npcases_DE = [16,18,26,48,74,79,130,165,203,262,545,670,800,1040,1224,1565,1966,2745,3675,4599,5813, 7272, 9367, 12327]def simple_DE(A,c,t):    return A*math.e**(c*t)range_thing = np.array(range(len(cases_DE)))popt, pcov = curve_fit(simple_DE, range_thing, cases_DE, bounds=((-np.inf, 0), (np.inf, 1)))print(popt)plt.scatter(range_thing, simple_DE(*popt, range_thing))plt.scatter(range_thing, cases_DE)print(simple_DE(*popt, 20))plt.xlabel('x')plt.ylabel('y')plt.show()任何人都可以告诉我我哪里错了吗？

Answer 1

看来你混淆了参数的顺序。提供给curve_fit函数应具有以下签名：

它必须将自变量作为第一个参数，并将参数作为单独的剩余参数进行拟合：。ydata = f(xdata, *params) + eps

所以你需要改变函数的参数顺序：simple_DE

def simple_DE(t, A, c):
    ...

同样，在绘制拟合度时：

plt.scatter(range_thing, simple_DE(range_thing, *popt))