Поэтому я не знаю, как это сделать, и я не уверен, есть ли какая-то математика, которую я полностью забыл прямо сейчас, но я в растерянности. Короче говоря, у меня есть довольно простой исходный код с использованием scipy и numpy, и я хочу подогнать к нему экспоненциальную кривую:
from scipy.optimize import curve_fit
import numpy as np
# sample data
x = np.array([7620., 7730., 7901., 8139., 8370., 8448., 8737., 8824., 9089., 9233., 9321., 9509., 9568., 9642., 9756., 9915., 10601., 10942.])
y = np.array([0.01228478, 0.01280466, 0.01363498, 0.01493918, 0.01530108, 0.01569484, 0.01628133, 0.01547824, 0.0171548, 0.01743745, 0.01776848, 0.01773898, 0.01839569, 0.01823377, 0.01843686, 0.01875542, 0.01881426, 0.01977975])
# define type of function to search
def model_func(x, a, k, b):
return a * np.exp(-k*x) + b
# curve fit
p0 = (2.e-6,300,1)
opt, pcov = curve_fit(model_func, x, y, p0)
a, k, b = opt
# test result
x2 = np.linspace(7228, 11000, 3000)
y2 = model_func(x2, a, k, b)
fig, ax = plt.subplots()
ax.plot(x2, y2, color='r', label='Fit. func: $f(x) = %.3f e^{%.3f x} %+.3f$' % (a,k,b))
ax.plot(x, y, 'bo', label='data with noise')
ax.legend(loc='best')
plt.show()
Моя проблема в том, что я пытаюсь, как могу, я не могу определить начальные параметры для p0 - я пробовал диапазон значений, но, честно говоря, я понятия не имею, что я делаю, поэтому я не получаю решения здесь. Может ли кто-нибудь предложить, как это сделать? Благодарю вас!
a
. И, вероятно, не такой большой дляk
, но я думаю, что Левенберг-Марквардт разберется с этим за вас. - person Sven Marnach   schedule 27.07.2017b
. - person Sven Marnach   schedule 27.07.2017