scipy curve_fit 无法正常工作

Question

看起来它只适合第一个参数。

当我尝试使用 curve_fit 示例生成曲线时，这一切都很好，但当我使用自己的数据时却不然。

这是我的原始数据： https: //pastebin.com/0hs2JVXL

为了简单起见，我将其转换为整数，因此这是我输入的数据curve_fit： https: //pastebin.com/2uP0iyTw

这是我试图拟合的曲线（基本上是具有比例值的对数正态分布的公式）：

def func(x, k, s, u):
    x=np.array(x)
    return k * (1 / (x * s * np.sqrt(2*np.pi)))  *  np.exp(  - np.power((np.log(x)-u),2)  /  (2*np.power(s , 2)))

这就是我使用它的方式：

graphData.append(
    {
        'x': xdata,
        'y': ydata,
        'name': "data",
        'mode': 'lines'
    }
)

popt, pcov = curve_fit(func, xdata, ydata)

graphData.append(
    {
        'x': xdata,
        'y': func(xdata, *popt),
        'name': "" + "[Fit]",
        'mode': 'lines'
    }
)

但这是我得到的输出数据： https: //pastebin.com/WjaTH9wQ

这些是它正在设置的参数：k=33.06185171 s= 1. u=1.

并可视化：

我完全不确定为什么这不起作用。

Answer 1

使用评论中的想法之一，我让它发挥作用：

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

data = np.loadtxt(open("scipycurve.csv", "rb"), delimiter=",", skiprows=1)
xdata = data[:,0]
ydata = data[:,1]
    
def func(x, k, s, u):
    x=np.array(x)
    return k * (1 / (x * s * np.sqrt(2*np.pi)))  *  np.exp(  - np.power((np.log(x)-u),2)  /  (2*np.power(s , 2)))

p0 = [1000,1,10]
popt, pcov = curve_fit(func, xdata, ydata, p0)

pyplot.figure()
pyplot.plot(xdata, ydata, label='Data', marker='o')
pyplot.plot(xdata,  func(xdata, popt[0], popt[1], popt[2]), 'g--')
pyplot.show()

print (popt)

[ 6.84279941e+07 5.09882839e-01 1.05414859e+01]

希望能帮助到你。在这种情况下，算法看起来需要一些帮助，通过为其提供参数。