Warum scipy.optimieren.curve_fit nicht richtig fit an die Daten?

Ich habe versucht, passen eine Funktion, um einige Daten für eine Weile mit scipy.optimize.curve_fit aber ich habe echte Schwierigkeiten. Ich kann wirklich keinen Grund sehen, warum dies nicht funktionieren würde.

# encoding: utf-8
from __future__ import (print_function,
                        division,
                        unicode_literals,
                        absolute_import,
                        with_statement)
import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as mpl

x, y, e_y = np.loadtxt('data.txt', unpack=True)

def f(x, a, k):
    return (1/(np.sqrt(1 + a*((k-x)**2))))

popt, pcov = curve_fit(f, x, y, maxfev = 100000000)

mpl.plot(x, f(x, *popt), 'r-', label='Fit')
mpl.plot(x, y, 'rx', label='Original')
mpl.legend(loc='best')
mpl.savefig('curve.pdf')
print(popt)

# correct values which should be calculated
# a=0.003097
# k=35.4

Hier ist die Handlung-Bild, das erzeugt wird durch den oberen code:
Warum scipy.optimieren.curve_fit nicht richtig fit an die Daten?

data.txt:
#x      y       e_y
4.4     0.79    0.13
19.7    4.9     0.8
23.5    7.3     1.2
29.7    17      2.79
30.7    21.5    3.52
34      81      13.28
34.6    145     23.77
35.4    610     100
36.3    115     18.85
38.1    38      6.23
43.7    14      2.3
56.2    6.2     1.02
64.7    4.6     0.75
79.9    3.2     0.52
210     0.98    0.16
  • welche Art von Funktion ist f?
  • warum haben Sie curve_fit als Optimierer?
  • Ich wählte curve_fit weil ich nicht weiß, eine alternative zu es. Vielleicht können Sie mir sagen, welche Optimierer wäre eine bessere. Dank
  • Der Punkt, der meine Fragen wurden auf der Auswahl-Optimierung mit Bezug auf das problem zu optimieren (f&data). Die Antwort von Greg ist gut.
InformationsquelleAutor marsch | 2013-10-11
  1. 16

    Erstens versuchen Sie, nicht zu erhöhen maxfev so groß, dies ist normalerweise ein Zeichen ist etwas anderes schief geht! Rund um das Spiel kann ich mich als fit durch den Zusatz:

    def f(x, b, a, k):
    return (b/(np.sqrt(1 + a*((k-x)**2))))

popt, pcov = curve_fit(f, x, y, p0=[20, 600.0, 35.0])

    Erstens geben die passende Funktion, die Sie gegeben haben, hat ein maximum von 1, weil sich die Spitze in Ihre Daten 600, wird es nie passen. Also ich habe insgesamt Faktor b. Zweitens , versuchen Sie zu helfen, der Arme alte curve_fit aus. Wenn mit dem Auge können Sie sehen, es peaks bei x~35 dann sagen Sie es durch die p0. Dies erfordert eine gewisse intuition, wie die Funktion funktioniert, ist aber sehr wichtig, wenn Sie gehen, um zu verwenden, ein "curve fitting" - Funktion.

    Warum scipy.optimieren.curve_fit nicht richtig fit an die Daten?

    • Sehr nette Antwort.
    • Hallo, danke für Ihre tolle Antwort. Ich verstehe deine Erklärung. Leider bin ich gezwungen, den gegebenen Funktion, was bedeutet, dass Ihr zusätzliche Faktor b muss 1 sein. Ich bin nicht erlaubt, es zu ändern, in dieser übung. Vielleicht können Sie mir sagen, ein weiterer Weg, um die richtigen Werte für a und k ich bereits erwähnt in den code. Danke.
    • Sorry, du hast absolut Recht. Die gegebene Funktion ist einfach "falsch" und wird nie die Daten passen. Unlösbar, falsche übungen sind wirklich ärgerlich. Danke für Eure Hilfe!
    • Marsch, es scheint mir, dass es etwas fehlt in der Frage. Wenn Sie waren, um die Normalisierung der Daten haben Sie dann diese Funktion würde funktionieren, macht es Sie Fragen, um die Normalisierung der es? Wenn nicht dann sollte es, oder geben Sie die Funktion mit b.
    InformationsquelleAutor Greg
  2. 1

    Schaute ich auf die raw-Daten auf eine X-Y-Streudiagramm, eine Gleichung zu passen, diese Daten angezeigt zu werden, erfordern eine sehr scharfe, schmale Spitze. Die Gleichung, die Sie gegeben worden ist, wird nicht nachgeben eine Spitze Antwort. Meiner Meinung nach, eine Anpassung dieser Daten an die gegebene Gleichung wird nicht funktionieren, aus diesem Grund.

    InformationsquelleAutor James Phillips
Schreibe einen Kommentar