- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试使用 python 的 curve_fit 库来拟合我的数据。虽然我可以捕捉到数据的模式,但真正的拟合度很差。有什么方法可以提高贴合度吗?
这是我的代码:
import numpy as np
from scipy.optimize import curve_fit
from matplotlib import pyplot as plt
x=np.array([ 4.29977288, 4.18759576, 3.937875 , 3.68784896, 3.43711213,
3.19099287, 2.94166468, 2.68543877, 2.4289324 , 2.19035861,
1.93962193, 1.69285434, 1.44271633, 1.18869615, 0.94761142,
0.69828307, 0.44606364, 0.19355101, -0.05367106, -0.30303661,
-0.55272018, -0.79877747, -1.04806864, -1.29706657, -1.54567223,
-1.79685098, -2.05011095, -2.29874144, -2.54813208, -2.80178461,
-3.04828379, -3.29893363, -3.54727073, -3.79908534, -4.04661293]);
y=np.array([ 20.8744534 , 20.89824536, 20.3763843 , 19.79924837,
19.19485964, 18.57716717, 17.93772371, 17.28834168,
16.62367817, 15.94336213, 15.24389099, 14.52471466,
13.7787734 , 13.00299723, 12.18721413, 11.31510566,
10.36672642, 9.32224105, 8.14237084, 6.78034367,
5.19700447, 3.32945537, 1.10437136, -1.48805508,
-4.25695201, -6.94906329, -9.41648974, -11.54747381,
-13.33444597, -14.90663076, -16.36783375, -17.72241553,
-18.9592222 , -20.06703821, -21.07669491])
def func(x,A,B,C):
a=1+B/A
b=1-B/A
k=C/np.log(a/b)
y=A*np.tanh((x-C)/(2*k))
return y
A_0=25
B_0=10
C_0=1.2
popt,pcov = curve_fit(func,x,y,p0=[A_0,B_0,C_0])
print(pcov)
plt.plot(x,y,label='Data')
plt.plot(x,func(x, *popt),'.',label='Fit')
plt.legend()
plt.show()
最佳答案
这不是 curve_fit
的问题,而是您使用的函数的问题。找到一个能完成这项工作的函数并不总是那么容易,但错误函数,例如,做得更好:
import numpy as np
from scipy import special
from scipy.optimize import curve_fit
from matplotlib import pyplot as plt
x=np.array([ 4.29977288, 4.18759576, 3.937875 , 3.68784896, 3.43711213,
3.19099287, 2.94166468, 2.68543877, 2.4289324 , 2.19035861,
1.93962193, 1.69285434, 1.44271633, 1.18869615, 0.94761142,
0.69828307, 0.44606364, 0.19355101, -0.05367106, -0.30303661,
-0.55272018, -0.79877747, -1.04806864, -1.29706657, -1.54567223,
-1.79685098, -2.05011095, -2.29874144, -2.54813208, -2.80178461,
-3.04828379, -3.29893363, -3.54727073, -3.79908534, -4.04661293]);
y=np.array([ 20.8744534 , 20.89824536, 20.3763843 , 19.79924837,
19.19485964, 18.57716717, 17.93772371, 17.28834168,
16.62367817, 15.94336213, 15.24389099, 14.52471466,
13.7787734 , 13.00299723, 12.18721413, 11.31510566,
10.36672642, 9.32224105, 8.14237084, 6.78034367,
5.19700447, 3.32945537, 1.10437136, -1.48805508,
-4.25695201, -6.94906329, -9.41648974, -11.54747381,
-13.33444597, -14.90663076, -16.36783375, -17.72241553,
-18.9592222 , -20.06703821, -21.07669491])
def func(x,A,B,C):
a=1+B/A
b=1-B/A
k=C/np.log(a/b)
y=A*np.tanh((x-C)/(2*k))
return y
def erf(x, a, b, c, d):
return d + 0.5*c*(1 + special.erf(a*(x-b)))
A_0=25
B_0=10
C_0=1.2
popt,pcov = curve_fit(func,x,y,p0=[A_0,B_0,C_0])
perf, pecov = curve_fit(erf, x, y, p0=(0.5,0,40,-20))
plt.plot(x,y, 'o', label='Data')
plt.plot(x,func(x, *popt),'-',label='Fit')
plt.plot(x, erf(x, *perf), '--', label='erf fit')
plt.legend()
plt.show()
关于python - Scipy Curve_fit : Why is my fitting so poor and how to improve it?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56464590/
我在使用 cx_freeze 和 scipy 时无法编译 exe。特别是,我的脚本使用 from scipy.interpolate import griddata 构建过程似乎成功完成,但是当我尝试
是否可以通过函数在 scipy 中定义一个稀疏矩阵,而不是列出所有可能的值?在文档中,我看到可以通过以下方式创建稀疏矩阵 There are seven available sparse matrix
SciPy为非线性最小二乘问题提供了两种功能: optimize.leastsq()仅使用Levenberg-Marquardt算法。 optimize.least_squares()允许我们选择Le
SciPy 中的求解器能否处理复数值(即 x=x'+i*x")?我对使用 Nelder-Mead 类型的最小化函数特别感兴趣。我通常是 Matlab 用户,我知道 Matlab 没有复杂的求解器。如果
我有看起来像这样的数据集: position number_of_tag_at_this_position 3 4 8 6 13 25 23 12 我想对这个数据集应用三次样条插值来插值标签密度;为此
所以,我正在处理维基百科转储,以计算大约 5,700,000 个页面的页面排名。这些文件经过预处理,因此不是 XML 格式。 它们取自 http://haselgrove.id.au/wikipedi
Scipy 和 Numpy 返回归一化的特征向量。我正在尝试将这些向量用于物理应用程序,我需要它们不被标准化。 例如a = np.matrix('-3, 2; -1, 0') W,V = spl.ei
基于此处提供的解释 1 ,我正在尝试使用相同的想法来加速以下积分: import scipy.integrate as si from scipy.optimize import root, fsol
这很容易重新创建。 如果我的脚本 foo.py 是: import scipy 然后运行: python pyinstaller.py --onefile foo.py 当我启动 foo.exe 时,
我想在我的代码中使用 scipy.spatial.distance.cosine。如果我执行类似 import scipy.spatial 或 from scipy import spatial 的操
Numpy 有一个基本的 pxd,声明它的 c 接口(interface)到 cython。是否有用于 scipy 组件(尤其是 scipy.integrate.quadpack)的 pxd? 或者,
有人可以帮我处理 scipy.stats.chisquare 吗?我没有统计/数学背景,我正在使用来自 https://en.wikipedia.org/wiki/Chi-squared_test 的
我正在使用 scipy.odr 拟合数据与权重,但我不知道如何获得拟合优度或 R 平方的度量。有没有人对如何使用函数存储的输出获得此度量有建议? 最佳答案 res_var Output 的属性是所谓的
我刚刚下载了新的 python 3.8,我正在尝试使用以下方法安装 scipy 包: pip3.8 install scipy 但是构建失败并出现以下错误: **Failed to build sci
我有 my own triangulation algorithm它基于 Delaunay 条件和梯度创建三角剖分,使三角形与梯度对齐。 这是一个示例输出: 以上描述与问题无关,但对于上下文是必要的。
这是一个非常基本的问题,但我似乎找不到好的答案。 scipy 到底计算什么内容 scipy.stats.norm(50,10).pdf(45) 据我了解,平均值为 50、标准差为 10 的高斯中像 4
我正在使用 curve_fit 来拟合一阶动态系统的阶跃响应,以估计增益和时间常数。我使用两种方法。第一种方法是在时域中拟合从函数生成的曲线。 # define the first order dyn
让我们假设 x ~ Poisson(2.5);我想计算类似 E(x | x > 2) 的东西。 我认为这可以通过 .dist.expect 运算符来完成,即: D = stats.poisson(2.
我正在通过 OpenMDAO 使用 SLSQP 来解决优化问题。优化工作充分;最后的 SLSQP 输出如下: Optimization terminated successfully. (Exi
log( VA ) = gamma - (1/eta)log[alpha L ^(-eta) + 测试版 K ^(-eta)] 我试图用非线性最小二乘法估计上述函数。我为此使用了 3 个不同的包(Sc
我是一名优秀的程序员,十分优秀!