限制curve_fit的值(scipy.optimize)

Question

我正在尝试使用curve_fit使用以下函数作为输入,使逻辑增长曲线适合我的数据.

def logistic(x, y0, k, d, a, b):
    if b > 0 and a > 0:
        y = (k * pow(1 + np.exp(d - (a * b * x) ), (-1/b) )) + y0
    elif b >= -1 or b < 0 or a < 0:
        y = (k * pow(1 - np.exp(d - (a * b * x) ), (-1/b) )) + y0

    return y

正如您所看到的,我正在使用的函数对参数a和b可以接受的值有一些限制.有关如何处理错误值的任何猜测？输入函数是应该引发异常还是返回虚拟值？提前致谢.

Answer 1

当参数超出允许范围时,返回一个非常大的数字(远离要安装的数据).这将(希望)对这些参数选择进行大量惩罚,以便curve_fit将其他一些可接受的参数集合作为最佳参数:

def logistic(x, y0, k, d, a, b):
    if b > 0 and a > 0:
        y = (k * pow(1 + np.exp(d - (a * b * x) ), (-1/b) )) + y0
    elif b >= -1 or b < 0 or a < 0:
        y = (k * pow(1 - np.exp(d - (a * b * x) ), (-1/b) )) + y0
    else:
        y = 1e10
    return y