我正在尝试使用SciPy curve_fit将我的数据拟合到用户定义的函数，该函数适用于具有固定功率（func1）的函数 . 但是当函数包含幂作为适合（func2）的参数时，curve_fit不起作用 .
如果我提供关键字p0的参数的初始猜测，Curve_fit仍然不起作用 . 我不能使用bounds关键字作为我没有的SciPy版本 .
这个脚本说明了这一点：
import scipy
from scipy.optimize import curve_fit
import sys
print 'scipy version: ', scipy.__version__
print 'np.version: ', np.__version__
print sys.version_info
def func1(x,a):
return (x-a)**3.0
def func2(x,a,b):
return (x-a)**b
x_train = np.linspace(0, 12, 50)
y = func2(x_train, 0.5, 3.0)
y_train = y + np.random.normal(size=len(x_train))
print 'dtype of x_train: ', x_train.dtype
print 'dtype of y_train: ', y_train.dtype
popt1, pcov1 = curve_fit( func1, x_train, y_train, p0=[0.6] )
popt2, pcov2 = curve_fit( func2, x_train, y_train, p0=[0.6, 4.0] )
print 'Function 1: ', popt1, pcov1
print 'Function 2: ', popt2, pcov2
其中输出如下：
scipy version: 0.14.0
np.version: 1.8.2
sys.version_info(major=2, minor=7, micro=6, releaselevel='final', serial=0)
dtype of x_train: float64
dtype of y_train: float64
stack_overflow.py:14: RuntimeWarning: invalid value encountered in power
return (x-a)**b
Function 1: [ 0.50138759] [[ 3.90044196e-07]]
Function 2: [ nan nan] [[ inf inf]
[ inf inf]]
1 回答
（正如@xnx首先评论的那样）第二个公式（其中指数
b未知且被认为是实值）的问题在于，在测试a和b的潜在值的过程中，需要z**p形式的数量要评估，其中z是负实数，p是非整数 . 这个数量一般很复杂，因此程序失败 . 例如，对于x=0和测试变量a=0.5，b=4.1，它保存(x-a)**b = (-0.5)**4.1 = 0.0555+0.018j.