使用 scipy 在 Python 中进行曲线拟合

Question

我想使用 scipy 中的 curve_fit 对某些数据拟合曲线。在搜索语法后，我发现了这个，

import numpy as np
from scipy.optimize import curve_fit

def func(x, a, b, c):
     return a * np.exp(-b * x) + c

xdata = np.linspace(0, 4, 50)
y = func(xdata, 2.5, 1.3, 0.5)
ydata = y + 0.2 * np.random.normal(size=len(xdata))

popt, pcov = curve_fit(func, xdata, ydata)

但是文档不是很清楚，特别是关于函数func的参数，我知道x是自变量值的numpy数组，但是a、b、c是什么？还有，这行是什么意思，

a * np.exp(-b * x) + c

为了计算y我们用自变量和其他参数调用func，但是ydata是什么？还有为什么要这样计算，

ydata = y + 0.2 * np.random.normal(size=len(xdata))

最后一件事，如果我在某个函数中通过 scipy 得到拟合模型（方程），我如何在另一个函数中使用它？

感谢任何帮助。谢谢。

Answer 1

curve_fit 将一组数据 ydata 与给定自变量 x 的值的每个点拟合到某个模型函数。在示例中，模型函数是 a * exp(-b * x) + c，其中 a、b 和 c 是要确定的一些常量，以最好地表示此模型的数据。

func计算出的y是模型函数在每个数据点的值，x.

在示例中，ydata 由拟合函数模拟，其中添加了一些随机高斯（正态分布）噪声：

ydata = y + 0.2 * np.random.normal(size=len(xdata))

你可以通过绘制 y（绿线）和 ydata（蓝点）对 xdata:

来看到这一点

要使用拟合参数，popt，将它们传递给 func:

yfit = func(xdata, *popt)

一张图将显示 "exact"（绿线）和拟合（蓝线）的比较：

使用 scipy 在 Python 中进行曲线拟合

Curve fitting in Python using scipy

python

numpy

scipy

curve-fitting