为什么 Scipy 的 curve_fit 不能为以下问题提供正确的结果？

Question

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。

Answer 1

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。

建议：

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。