SciPy中的指数曲线拟合

Question

我有两个NumPy数组x和y.当我尝试使用指数函数和curve_fit(SciPy)使用这个简单的代码来拟合我的数据时

#!/usr/bin/env python
from pylab import *
from scipy.optimize import curve_fit

x = np.array([399.75, 989.25, 1578.75, 2168.25, 2757.75, 3347.25, 3936.75, 4526.25, 5115.75, 5705.25])
y = np.array([109,62,39,13,10,4,2,0,1,2])

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

popt, pcov = curve_fit(func, x, y)

我得错了系数 popt

[a,b,c,d] = [1., 1., 1., 24.19999988]

问题是什么？

Answer 1

华富首评:既然a*exp(b - c*x) = (a*exp(b))*exp(-c*x) = A*exp(-c*x),a或者b是多余的.我会放弃b并使用:

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

这不是主要问题.问题很简单,curve_fit当你使用默认的初始猜测(全是1)时,无法收敛到这个问题的解决方案.检查pcov; 你会看到它inf.这并不奇怪,因为if c为1时,大部分exp(-c*x)下溢值为0:

In [32]: np.exp(-x)
Out[32]: 
array([  2.45912644e-174,   0.00000000e+000,   0.00000000e+000,
         0.00000000e+000,   0.00000000e+000,   0.00000000e+000,
         0.00000000e+000,   0.00000000e+000,   0.00000000e+000,
         0.00000000e+000])

这表明c应该很小.比方说,更好的初步猜测是p0 = (1, 1e-6, 1).然后我得到:

In [36]: popt, pcov = curve_fit(func, x, y, p0=(1, 1e-6, 1))

In [37]: popt
Out[37]: array([  1.63561656e+02,   9.71142196e-04,  -1.16854450e+00])

这看起来很合理:

In [42]: xx = np.linspace(300, 6000, 1000)

In [43]: yy = func(xx, *popt)

In [44]: plot(x, y, 'ko')
Out[44]: [<matplotlib.lines.Line2D at 0x41c5ad0>]

In [45]: plot(xx, yy)
Out[45]: [<matplotlib.lines.Line2D at 0x41c5c10>]

Answer 2

首先,我建议修改你的等式a*np.exp(-c*(x-b))+d,否则指数总是以中心为中心x=0,但并非总是如此.您还需要指定合理的初始条件(第4个参数curve_fit指定初始条件[a,b,c,d]).

这段代码很合适:

from pylab import *
from scipy.optimize import curve_fit

x = np.array([399.75, 989.25, 1578.75, 2168.25, 2757.75, 3347.25, 3936.75, 4526.25, 5115.75, 5705.25])
y = np.array([109,62,39,13,10,4,2,0,1,2])

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

popt, pcov = curve_fit(func, x, y, [100,400,0.001,0])
print popt

plot(x,y)
x=linspace(400,6000,10000)
plot(x,func(x,*popt))
show()