我想在scipy中使用curve_fit为曲线拟合曲线 . 我搜索了语法后发现了这个,
import numpy as np
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * np.exp(-b * x) + c
xdata = np.linspace(0, 4, 50)
y = func(xdata, 2.5, 1.3, 0.5)
ydata = y + 0.2 * np.random.normal(size=len(xdata))
popt, pcov = curve_fit(func, xdata, ydata)
但是文档并不是很清楚,特别是关于函数func的参数,我知道x是自变量值的numpy数组,但是a,b和c是什么?此外,这条线是什么意思,
a * np.exp(-b * x) + c
计算y我们用自变量和其他参数调用func,但是什么是ydata?为什么我们这样计算,
ydata = y + 0.2 * np.random.normal(size=len(xdata))
最后一件事,如果我通过scipy在某个函数中得到拟合模型(等式),我怎么能在另一个函数中使用它?
任何帮助表示赞赏 . 谢谢 .
1 回答
curve_fit
拟合一组数据ydata
,每个点以自变量x
的值给出,用于某个模型函数 . 在该示例中,模型函数是a * exp(-b * x) + c
,其中a
,b
和c
是要确定以最佳地表示具有此模型的数据的一些常量 .由
func
计算的y
是每个数据点x
处的模型函数的值 .在该示例中,
ydata
由拟合函数模拟,并添加了一些随机高斯(正态分布)噪声:您可以通过将
y
(绿线)和ydata
(蓝点)与xdata
绘图来查看:要使用拟合参数
popt
,请将它们传递给func
:绘图将显示“精确”(绿线)和拟合(蓝线)的比较: