SciPy全局最小曲线拟合

我正在使用scipy.optimize.curve_fit，但我怀疑它正在收敛到局部最小值而不是全局最小值。SciPy全局最小曲线拟合

我试着用模拟退火以下列方式：

def fit(params): 
return np.sum((ydata - specf(xdata,*params))**2) 

p = scipy.optimize.anneal(fit,[1000,1E-10])

其中specf是我试图拟合曲线。 p的结果显然比curve_fit返回的最小值还要差，即使返回值表示达到全局最小值（see anneal）。

我该如何改进结果？ SciPy中是否有全局曲线拟合？

来源

2011-03-22 Gus

你说得对，因为它使用了Levenburg-Marquardt算法，所以它只收敛到局部最小值（收敛时）。 SciPy中没有全局曲线拟合器，您必须使用existing global optimizers来编写您自己的曲线。但请注意，这还不一定会达到您想要的价值。在大多数情况下，这是impossible。

改善结果的唯一方法是很好地猜测启动参数。

来源

2011-03-22 06:28:41 nils

感谢您的回答。我意识到全局优化的麻烦，但我猜测（希望）这个轮廓表现相对较好。我使用L2标准来衡量健康是否正确？ – Gus 2011-03-22 16:55:01

您可能想尝试使用leastsq()（curve_fit实际使用此功能，但不会获得完整输出）或ODR package而不是curve_fit。

leastsq（）的完整输出给了你更多的信息，比如chisquared的值（如果你想用它作为适合性测试的快速和肮脏的好处）。

如果需要加权拟合，你可以只是这样：

fitfunc = lambda p,x: p[0]+ p[1]*exp(-x) 
errfunc = lambda p, x, y, xerr: (y-fitfunc(p,x))/xerr 
out = leastsq(errfunc, pinit, args=(x,y, xerr), full_output=1) 
chisq=sum(infodict['fvec']*infodict['fvec'])

来源

2011-03-22 19:25:55 madtowneast

这是一个平凡的问题。你有没有考虑过使用进化策略？我与ecspy取得了巨大成功（见http://code.google.com/p/ecspy/），社区虽小但非常有帮助。

来源

2011-04-13 13:57:57

SciPy全局最小曲线拟合

回答

相关问题