拟合指数曲线误差

Question

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

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

x =  [333,500,1000,2000,5000,10000]

y = [195.3267, 233.0235, 264.5914,294.8728, 328.3523,345.4688]

popt, pcov = curve_fit(func, x, y)

plt.figure()
plt.plot(x, y, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()

错误：C：\用户\Aidan\Anaconda3\lib\site-包\sepy\优化\minpack.py:794： OptimizeWarning：参数的协方差无法估计
类别=OptimizeWarning）

---------------------------------------------------------------------------（）14 plt中的TypeError回溯（最近一次调用）。图15 plt。绘图（x，y，'ko'，label=“原始带噪数据”）---

在func（x，a，b，c）4 5 def func（x，a，b，c）中：----

TypeError:“numpy。“float64”对象不能解释为整数

由于某种原因，我无法根据我的数据得到曲线拟合。我下面的指数示例：如何在Python中进行指数和对数曲线拟合？我发现只有多项式拟合

但是我使用的是两个数组，而不是随机数据。我是蟒蛇新手！

Answer 1

您的代码存在一些问题。

• 您使用列表而不是numpy.ndarray：Numpy和smpy例程旨在与numpy.ndarray一起工作，并且它们在内部使用它们。你也应该使用它们。
• 您可能会遇到数据和函数溢出问题，例如np.exp（-1000）在Python3中已经近似为零
• 你试图拟合一个函数，它不太可能拟合你的数据。它看起来更像是指数级的复苏，而不是衰减。

以下代码暂时解决了所有这些问题：

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

def func(x, a, b, c):
    return a * (1 - np.exp(-b * x)) + c

x =  np.array([333.0,500.0,1000.0,2000.0,5000.0,10000.0]) / 1000
y = np.array([195.3267, 233.0235, 264.5914,294.8728, 328.3523,345.4688]) / 10

popt, pcov = curve_fit(func, x, y)
print(popt)

plt.figure()
plt.plot(x, y, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()