小编Joh*_*ner的帖子

我有一些数据点，想找到一个拟合函数，我想一个累积的高斯S型函数就可以拟合，但是我真的不知道如何实现。

这就是我现在所拥有的：

import numpy as np
import pylab
from scipy.optimize
import curve_fit

def sigmoid(x, a, b):
     y = 1 / (1 + np.exp(-b*(x-a)))
     return y

xdata = np.array([400, 600, 800, 1000, 1200, 1400, 1600])
ydata = np.array([0, 0, 0.13, 0.35, 0.75, 0.89, 0.91])

popt, pcov = curve_fit(sigmoid, xdata, ydata)
print(popt)

x = np.linspace(-1, 2000, 50)
y = sigmoid(x, *popt)

pylab.plot(xdata, ydata, 'o', label='data')
pylab.plot(x,y, label='fit')
pylab.ylim(0, 1.05)
pylab.legend(loc='best')
pylab.show()

但是我收到以下警告：

... / scipy / optimize / minpack.py：779：OptimizeWarning：无法估计参数的协方差category = OptimizeWarning）

有人可以帮忙吗？我也愿意尝试其他任何方式！我只需要一条曲线以任何方式拟合此数据。