Python曲线拟合使用相对偏差而不是绝对偏差进行优化

Question

我正在使用 scipy.optimize.curve_fit 拟合曲线。据我所知，曲线拟合是通过最小化f(xdata, *popt) - ydata的残差平方和来执行的。 ，而我想最小化相对误差的残差平方:(f(xdata, *popt) - ydata)/ydata自从我的ydata数量级差异很大。如何利用相对偏差进行优化？我不一定需要使用 curve_fit功能。任何可以实现此目的的 python 函数都可以。

PS:我知道另一种转换 ydata 的方法进入日志空间并拟合结果数据。但我不想采用这种方法。

Answer 1

我认为它与上一个问题 scipy curve_fit coefficient does not align with expected value (physics relevant?) 有关。

不导入 ydata，而是导入由 log(ydata) 组成的新数字文件。

并将函数 f(xdata) 替换为新函数 log(f(xdata))。

这相当于将拟合标准从 LMSE 更改为 LMSRE。