我试图用scipy的curve_fit函数来拟合偏斜和移动的高斯曲线,但我发现在某些条件下拟合很差,常常让我接近或完全是一条直线。scipy.optimize.curve_fit无法拟合偏移高斯曲线
以下代码源自curve_fit
文档。所提供的代码是用于测试目的的任意数据集,但显示的问题相当好。
import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import math as math
import scipy.special as sp
#def func(x, a, b, c):
# return a*np.exp(-b*x) + c
def func(x, sigmag, mu, alpha, c,a):
#normal distribution
normpdf = (1/(sigmag*np.sqrt(2*math.pi)))*np.exp(-(np.power((x-mu),2)/(2*np.power(sigmag,2))))
normcdf = (0.5*(1+sp.erf((alpha*((x-mu)/sigmag))/(np.sqrt(2)))))
return 2*a*normpdf*normcdf + c
x = np.linspace(0,100,100)
y = func(x, 10,30, 0,0,1)
yn = y + 0.001*np.random.normal(size=len(x))
popt, pcov = curve_fit(func, x, yn,) #p0=(9,35,0,9,1))
y_fit= func(x,popt[0],popt[1],popt[2],popt[3],popt[4])
plt.plot(x,yn)
plt.plot(x,y_fit)
这个问题似乎弹出时,我太远了从零(使用mu
)转移高斯。我尝试给出初始值,即使是与我原来的功能相同的值,但它不能解决问题。对于值mu=10
,curve_fit
完美的作品,但如果我使用mu>=30
它不再适合数据。
好吧,事情开始看起来现在好一点了。我认为我高估了curve_fit算法,并期望得到它太多。我现在将球手动暂停数值,然后将它们插入curve_fit并获得很好的结果。干杯。 – abradd 2013-03-14 22:58:48