0

我有数据我试图拟合指数，这个数据并不理想，但是当使用 JMP 的内置曲线拟合函数时，它可以按预期工作，并且我得到了我的数据的一个很好的近似值（请参见下图，JMP 拟合曲线指数 3P）。

JMP 拟合曲线指数 3P

我知道尝试使用 python 库 scipy.optimize 和 curve_fit 函数来复制它，如此处所述。但是，这会产生非常不同的曲线，请参见下文。

import pandas as pd
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np

df = pd.read_csv('test.csv', sep = ',' ,index_col = None, engine='python')

def exponential_3p(x, a, b, c):
    return a + b * np.exp(c * x) 

popt, pcov = curve_fit(exponential_3p,df.x,df.y)

a = popt[0] 
b = popt[1]
c = popt[2]

plt.plot(df.x,df.y)
plt.plot(df.x,exponential_3p(df.x, a, b, c))

scipy optimize.curve_fit 指数

4

1 回答 1

1

你是另一个难以理解的愚蠢行为的受害者scipy.optimize.curve_fit。

曲线拟合和局部优化问题需要所有变量参数的初始值。它们不是可选的。没有有意义的“默认值”。 scipy.optimize.curve_fit对您撒谎，并允许您不提供初始值并默默地（甚至没有警告！）假设您的意思是所有初始值都是 1。这是错误的，错误的，错误的。

您必须给出合理的起始值或适合度。

于 2020-03-17T12:23:20.447 回答