使用 Python 将 sigmoid 函数（"S" 形状曲线）拟合到数据

Question

我正在尝试将 sigmoid 函数拟合到我拥有的一些数据，但我不断得到：ValueError: Unable to determine number of fit parameters.

我的数据是这样的：

我的代码是：

from scipy.optimize import curve_fit

def sigmoid(x):
    return (1/(1+np.exp(-x)))

popt, pcov = curve_fit(sigmoid, xdata, ydata, method='dogbox')

然后我得到：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-5-78540a3a23df> in <module>
      2     return (1/(1+np.exp(-x)))
      3 
----> 4 popt, pcov = curve_fit(sigmoid, xdata, ydata, method='dogbox')

~\Anaconda3\lib\site-packages\scipy\optimize\minpack.py in curve_fit(f, xdata, ydata, p0, sigma, absolute_sigma, check_finite, bounds, method, jac, **kwargs)
    685         args, varargs, varkw, defaults = _getargspec(f)
    686         if len(args) < 2:
--> 687             raise ValueError("Unable to determine number of fit parameters.")
    688         n = len(args) - 1
    689     else:

ValueError: Unable to determine number of fit parameters.

我不确定为什么这不起作用，这似乎是一个微不足道的动作 --> 将曲线拟合到某个点。所需的曲线如下所示：

对不起图形..我是在 PowerPoint 中做的...

如何找到最佳的 S 形（“S”形）曲线？

更新

感谢@Brenlla，我已将代码更改为：

def sigmoid(k,x,x0):
    return (1 / (1 + np.exp(-k*(x-x0))))

popt, pcov = curve_fit(sigmoid, xdata, ydata, method='dogbox')

现在我没有收到错误，但曲线不符合要求：

x = np.linspace(0, 1600, 1000)
y = sigmoid(x, *popt)

plt.plot(xdata, ydata, 'o', label='data')
plt.plot(x,y, label='fit')
plt.ylim(0, 1.3)
plt.legend(loc='best')

结果是：

我如何改进它才能更好地适应数据？

更新2

现在的代码是：

def sigmoid(x, L,x0, k, b):
    y = L / (1 + np.exp(-k*(x-x0)))+b

但是结果还是...

Answer 1

在@Brenlla 的大力帮助下，代码被修改为：

def sigmoid(x, L ,x0, k, b):
    y = L / (1 + np.exp(-k*(x-x0))) + b
    return (y)

p0 = [max(ydata), np.median(xdata),1,min(ydata)] # this is an mandatory initial guess

popt, pcov = curve_fit(sigmoid, xdata, ydata,p0, method='dogbox')

优化的参数是L, x0, k, b，最初分配在p0，优化开始的点。

L负责将输出范围从[0,1]缩放到[0,L]
b 向输出添加偏置并将其范围从 [0,L] 更改为 [b,L+b]
k负责缩放输入，保持在(-inf,inf)
x0是Sigmoid中间的点，即Sigmoid本来应该输出值1/2的点[因为如果x=x0，我们得到1/(1+exp (0)) = 1/2].

结果：

Answer 2

注意 - 之前有一些关于初步估计的问题。我的数据特别混乱，上面的解决方案在 大多数 的时间都有效，但偶尔会完全失败。这是通过将方法从 'dogbox' 更改为 'lm':

来解决的

p0 = [max(ydata), np.median(xdata),1,min(ydata)] # this is an mandatory initial guess
popt, pcov = curve_fit(sigmoid, xdata, ydata,p0, method='lm') ## Updated method from 'dogbox' to 'lm' 9.30.2021

在大约 50 条拟合曲线上，它根本没有改变那些运行良好的曲线，而是完全解决了挑战案例。

要点是，在所有情况下，您和您的数据都是一片特殊的雪花，所以不要害怕深入挖掘并查看您从 Internet 复制的函数的参数。

使用 Python 将 sigmoid 函数（"S" 形状曲线）拟合到数据

Fit sigmoid function ("S" shape curve) to data using Python

curve-fitting

scipy

python-3.x

sigmoid