使用scipy.optimize 的curve_fit函数对观测值拟合
Posted jiaxinwei
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用scipy.optimize 的curve_fit函数对观测值拟合相关的知识,希望对你有一定的参考价值。
x=np.arange(1,13,1)
y=np.array([17, 19, 21, 28, 33, 38, 37, 37, 31, 23, 19, 18 ])
plt.plot(x,y)
plt.show()
可以看出温度是以周期为12的正弦函数
#构建函数y=a*sin(x*pi/6+b)+c
#使用optimize.curve_fit函数求出a、b、c的值
x=np.arange(1,13,1)
x1=np.arange(1,13,0.1)
ymax=np.array([17, 19, 21, 28, 33, 38, 37, 37, 31, 23, 19, 18 ])
def fmax(x,a,b,c):
return a*np.sin(x*np.pi/6+b)+c
fita,fitb=optimize.curve_fit(fmax,x,ymax,[1,1,1]) #[1,1,1]是初始化的参数
print(fita) #参数
print(fitb) #参数的协方差矩阵
plt.plot(x,ymax)
plt.plot(x1,fmax(x1,fita[0],fita[1],fita[2]))
plt.show()
以上是关于使用scipy.optimize 的curve_fit函数对观测值拟合的主要内容,如果未能解决你的问题,请参考以下文章
scipy.optimize.fmin和scipy.optimize.minimize之间的区别
为啥 scipy.optimize.minimize (默认)在不使用 Skyfield 的情况下报告成功?
打印选择的 scipy.optimize.minimize 方法
当 scipy.optimize.minimize 可能用于相同的事情时,为啥 scipy.optimize.least_squares 存在?