小编str*_*der的帖子

我将拟合与 optimize.curve_fit 和 optimize.least_squares 进行比较。使用曲线拟合，我将协方差矩阵 pcov 作为输出，我可以通过以下方式计算拟合变量的标准偏差误差：

perr = np.sqrt(np.diag(pcov))

如果我使用least_squares 进行拟合，则不会得到任何协方差矩阵输出，并且无法计算变量的标准偏差误差。

这是我的例子：

#import modules
import matplotlib
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
from scipy.optimize import least_squares

noise = 0.5
N = 100
t = np.linspace(0, 4*np.pi, N)

# generate data
def generate_data(t, freq, amplitude, phase, offset, noise=0, n_outliers=0, random_state=0):
    #formula for data generation with noise and outliers
    y = np.sin(t * freq + phase) * amplitude + offset
    rnd = np.random.RandomState(random_state)
    error = …