python拟合曲线误差分析_python曲线拟合不能给出合理的拟合结果

您错误地调用了curve_fit，下面是用法curve_fit(f, xdata, ydata, p0=None, sigma=None, absolute_sigma=False, check_finite=True, **kw)f是您的函数，它的第一个参数是一组自变量，其后续参数是函数参数(如振幅、中心等)

扩展数据是自变量

ydata是依赖变量

p0是对函数参数的初始猜测(对于Guassian，这是振幅、宽度和中心)

默认情况下，p0被设置为一个1的列表[1,1，…]，这可能就是为什么您得到的结果是，fit永远不会执行，因为您调用不正确。在

尝试从数据中估计振幅、中心和宽度，然后制作一个p0对象(详见下文)

^{pr2}$

下面是一个简短的例子xdata = np.linspace(0, 4, 50)

mygauss = ( 10,2,0.5) #( amp, center, width)

y = func(xdata, *mygauss ) # using your func defined above

ydata = y + 2*(np.random.random(50)- 0.5) # add some noise to create fake data

现在我能猜出合适的参数了ai = np.max( ydata) # guess the amplitude

xi = xdata[ np.argmax( ydata)] # guess the position of center

猜测宽度是很棘手的，我首先会找到半最大值的位置(有两个，但您只需要找到一个，因为高斯是对称的)：pos_half = argmin( np.abs( ydata-ao/2 ) ) # subtract half the amplitude and find the minimum

现在评估这是从高斯中心(席)的距离：sig_i = np.abs( xi - xdata[ pos_half] ) # estimate the width

现在你可以做出初步的猜测了init_guess = (ai, xi sig_i)

合身params, variance = curve_fit( func, xdata=xdata, ydata=ydata, p0=init_guess)

print params

#array([ 9.99457443, 2.01992858, 0.49599629])

非常接近mygauss。希望有帮助。在

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！