【发布时间】:2022-01-18 23:19:31
【问题描述】:
我一直在尝试使用 scipy 对一些数据进行线性拟合,但我发现拟合与数据相差甚远。为了进一步调查,我尝试使用下面的代码将一条线拟合到一些完全适合一条线的数据,但它仍然不起作用,如图所示。
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(a,x):
return a*(x+1)
x = np.arange(-5,6)
y = func(1,x)
popt,pcov = curve_fit(func,x,y,p0=[1])
plt.plot(x,y,'x')
plt.plot(x,func(*popt,x),'--')
plt.show()
看到这个失败后,我尝试重新定义该函数,使其具有一个什么都不做的附加参数,但令我惊讶的是,它发现它起作用了。
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(a,b,x):
return a*(x+1)
x = np.arange(-5,6)
y = func(1,0,x)
popt,pcov = curve_fit(func,x,y,p0=[1,0])
plt.plot(x,y,'x')
plt.plot(x,func(*popt,x),'--')
plt.show()
为什么以这种方式重新定义函数,看起来应该没有区别,显然解决了这里的问题?
注意,在玩了一会儿之后,我发现这似乎只有在初始猜测 p0 已经设置为正确值时才有效,尽管使用 dummy 参数的拟合仍然更接近正确拟合比另一个。
此外,虽然我在这里使用了线性函数,但这种行为似乎也出现在其他类型的函数中。
【问题讨论】:
-
你在策划错误的事情。这是
func(x, *popt),而不是func(*popt, x)。你会看到这样你会得到更好的结果。 -
@FrankYellin
x是func定义中的第二个参数,那为什么要在func(x, *popt)中排在第一位呢? -
对不起。您也可能错误地调用了该函数。此函数的文档说:“参数的最佳值,以便 f(xdata, *popt) - ydata 的平方误差之和最小化”。我只是在引用。
标签: python scipy curve-fitting