gpt4 book ai didi

python - 使用 curve_fit 将曲线拟合为幂律分布不起作用

转载 作者:行者123 更新时间:2023-12-03 15:22:51 25 4
gpt4 key购买 nike

我试图找到一条拟合我的数据的曲线,该曲线在视觉上似乎具有幂律分布。

enter image description here

我希望利用 scipy.optimize.curve_fit,但无论我尝试什么函数或数据规范化,我都会得到 RuntimeError(未找到参数或溢出)或远程不适合我的数据的曲线。请帮我弄清楚我在这里做错了什么。

%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

df = pd.DataFrame({
'x': [ 1000, 3250, 5500, 10000, 32500, 55000, 77500, 100000, 200000 ],
'y': [ 1100, 500, 288, 200, 113, 67, 52, 44, 5 ]
})
df.plot(x='x', y='y', kind='line', style='--ro', figsize=(10, 5))

def func_powerlaw(x, m, c, c0):
return c0 + x**m * c

target_func = func_powerlaw

X = df['x']
y = df['y']

popt, pcov = curve_fit(target_func, X, y)

plt.figure(figsize=(10, 5))
plt.plot(X, target_func(X, *popt), '--')
plt.plot(X, y, 'ro')
plt.legend()
plt.show()

输出
---------------------------------------------------------------------------
RuntimeError Traceback (most recent call last)
<ipython-input-243-17421b6b0c14> in <module>()
18 y = df['y']
19
---> 20 popt, pcov = curve_fit(target_func, X, y)
21
22 plt.figure(figsize=(10, 5))

/Users/evgenyp/.virtualenvs/kindle-dev/lib/python2.7/site-packages/scipy/optimize/minpack.pyc in curve_fit(f, xdata, ydata, p0, sigma, absolute_sigma, check_finite, bounds, method, **kwargs)
653 cost = np.sum(infodict['fvec'] ** 2)
654 if ier not in [1, 2, 3, 4]:
--> 655 raise RuntimeError("Optimal parameters not found: " + errmsg)
656 else:
657 res = least_squares(func, p0, args=args, bounds=bounds, method=method,

RuntimeError: Optimal parameters not found: Number of calls to function has reached maxfev = 800.

最佳答案

作为回溯状态,在没有找到静止点(以终止算法)的情况下达到了函数评估的最大数量。您可以使用选项 maxfev 增加最大数量。 .对于此示例,设置 maxfev=2000足够大以成功终止算法。

然而,解决方案并不令人满意。这是因为算法为变量选择了(默认)初始估计,在本例中,这并不好(需要大量的迭代是一个指标)。提供另一个初始化点(通过简单的反复试验发现)会产生很好的拟合,而无需增加 maxfev .

两个拟合以及与数据的视觉比较如下所示。

x = np.asarray([ 1000, 3250, 5500, 10000, 32500, 55000, 77500, 100000, 200000 ])
y = np.asarray([ 1100, 500, 288, 200, 113, 67, 52, 44, 5 ])

sol1 = curve_fit(func_powerlaw, x, y, maxfev=2000 )
sol2 = curve_fit(func_powerlaw, x, y, p0 = np.asarray([-1,10**5,0]))

enter image description here

关于python - 使用 curve_fit 将曲线拟合为幂律分布不起作用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41109122/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com