麻烦与scipy.optimize curve_fit

Question

我有一些麻烦的东西用scipy优化包来拟合曲线。我的代码是：

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

def Function_EXD_2(x, d, e):
    return d*np.exp(-x/e)

x = np.array([135, 126, 120, 100, 90, 85, 80, 70, 65, 60])
y = np.array([207, 263, 401, 460, 531, 576, 1350, 2317, 2340, 2834])

popt, pcov = curve_fit(Function_EXD_2, x, y)
print(popt, pcov)

Imbing popt = [1,1]，因此优化无效。我已经在R中完成了“相同”操作，并且正在执行popt = [44237.53，22.21] aprox。

有人可以帮我吗？

非常感谢！

Xevi

Answer 1

功能定义

x数组需要从0开始

我已经为您翻转了数据值，并为拟合算法添加了边界

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


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


x = np.array([135, 126, 120, 100, 90, 85, 80, 70, 65, 60])
y = np.array([207, 263, 401, 460, 531, 576, 1350, 2317, 2340, 2834])

# flip array values
x = x[::-1] - np.amin(x)
y = y[::-1]

# fit function
popt, pcov = curve_fit(func, x, y, bounds=(-10**6, 10**6))

# plot data
x_data = np.linspace(1, 80, 100)
plt.plot(x, y, '.')
plt.plot(x_data, func(x_data, popt[0], popt[1], popt[2]))
plt.show()

输出：