代码:
from scipy.optimize import curve_fit
import numpy as np
from numpy import *
def func(x, a, b):
return ff(x,a,b)
ff= lambda x,a,b: eval("1/(a*x+b)")
xdata = [1 ,2, 4, 6, 8, 10]
ydata = [0.22, 0.1, 0.06, 0.04, 0.03, 0.024]
popt, pcov = curve_fit(func, xdata, ydata)
print('\n', '[a b] for the best fit = ', popt,'\n')
当这个程序运行时,它给出的结果是
[a b] for the best fit = [ 4.62673137 -0.04794652]
同时根据我的科学计算器(或通过手动解决),答案应该是。
[a b] for the best fit = [ 0.9232 4.05396]
我反复测试了这个程序 这不是唯一一个不能提供正确结果的例子。
我检查了你的计算结果。
import matplotlib.pyplot as plt
plt.scatter(xdata, ydata)
plt.scatter(xdata, func(np.array(xdata), 4.62673137, -0.04794652), c='r')
plt.scatter(xdata, func(np.array(xdata), 0.9232, 4.05396), c='g')
plt.show()
我检查了你的计算结果: curve_fit()
给出了良好的拟合参数。问题出在你的另一个解决方案上。
不要使用 from X import *
. 它使代码在某些情况下极难管理。
不要使用 eval()
如果你不需要它。在这种情况下,。
def func(x, a, b):
return 1. / (a * x + b)
更短,更清晰。