scipy curve_fit 简单线性拟合失败？

Question

我打算用两个长度为 54 的 numpy 数组 y1 和 y2 做一个简单的线性拟合。函数定义如下：

def f(x,b):
    return b*x

数据绘制在这里：

然后我尝试通过以下方式进行拟合：

popt, pcov = scop.curve_fit(f,y2,y1)  # yes y1 and y2 are in right order

结果：popt = 1., pcov = inf

我尝试了 p0 = -833，这或多或少应该是结果，但它给了我 popt = -833, pcov = inf。

我用示例函数尝试了一些示例数据：

x = np.array(range(10))
y = x**2 + 3
def fu(x,b):
    return x**2 + b
po, pc = scop.curve_fit(fu,x,y)
print po, pc

结果很好：3 和 2e-33

有人知道一审出了什么问题吗？我还没有找到任何有用的或与我的问题相关的东西...

Answer 1

NaN 值将产生无意义的结果 - 在进行任何拟合之前，您需要将它们从数据中排除。您使用布尔索引来执行此操作：

valid = ~(np.isnan(y1) | np.isnan(y2))
popt, pcov = scop.curve_fit(f, y2[valid], y1[valid])

如评论中所述，in versions of scipy newer than 0.15.0 curve_fit will automatically check for NaNs and Infs in your input arrays and will raise a ValueError if they are found. This behavior can be optionally disabled using the check_finite parameter。

根据您的问题和评论，我假设您一定使用的是旧版本 - 您可能应该考虑升级。

scipy curve_fit 简单线性拟合失败？

scipy curve_fit fails on easy linear fit?

python

numpy

mathematical-optimization

curve-fitting

scipy