Python 中的渐近回归？

Question

我有数据集的 this 部分，其中 y 值最终必须达到渐近极限。这是前 300 个条目的图表：

我在它的库中看到了 asymptotic regression (of the form y = b0 + b1*(1-exp(-exp(lrc) * x)) and I think it would be the best model to fit this data. R seemingly already has the function，但在 Python.

中找不到

(1) 是否有下面 Cleb 回答的渐近回归或相关饱和动力学模型的库函数？如果不是，如何使用 scipy.optimize.curve_fit?

对其进行建模

(2) 还有如何预测曲线的最大整数值？例如，如果y=2454.1234是X=10**20处的值，y=2545.5678是X=10**50处的值，对于某个型号，我想获得2454。除了线性搜索，还有什么一次性方法吗？

感谢您的帮助。

Answer 1

您可以使用 scipy's curve_fit function 轻松安装它。我使用了不同的模型，但您可以轻松更改它。

您得到的输出如下所示：

这是不言自明的代码：

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import pandas as pd


def f(x, a, b, n):
    return a * x ** n  / (x ** n + b)


data = pd.read_csv('data.txt.txt', sep='\t')

y = data['y'].astype(float)
x = data['X'].astype(float)

popt, pcov = curve_fit(f, x, y, p0=[1800., 20., 1.])

plt.scatter(x, y)
plt.plot(x, f(x, *popt), 'r-')

plt.show()

Python 中的渐近回归？

Asymptotic regression in Python?

python

machine-learning

statistics

curve-fitting

modeling