如何用 numpy 拟合特定的指数函数

Question

我正在尝试将一系列数据拟合到指数方程中，我在这里找到了一些很好的答案：How to do exponential and logarithmic curvefitting in Python? 我只发现了多项式拟合，但它不包含解决这个问题所需的步骤。

我试图将y和x拟合为一个方程：y = -Ae ^Bx + A。最后的A已被证明是一个大麻烦，我不知道如何转换log(y) = log(A) + Bx等方程，就好像最后的 A 不存在一样。

任何帮助表示赞赏。

Answer 1

scipy.optimize.curve_fit只要你的方程不是太疯狂，你总是可以使用：

import matplotlib.pyplot as plt
import numpy as np
import scipy.optimize as sio

def f(x, A, B):
    return -A*np.exp(B*x) + A

A = 2
B = 1
x = np.linspace(0,1)

y = f(x, A, B)
scale = (max(y) - min(y))*.10
noise = np.random.normal(size=x.size)*scale
y += noise

fit = sio.curve_fit(f, x, y)

plt.scatter(x, y)
plt.plot(x, f(x, *fit[0]))
plt.show()

这会产生：