scipy curve_fit 잘

Question

나는 다음과 같은 코드를 사용하여 일부 데이터에 맞게 시도하고 작동하지 않습니다 내가하지 누구인지에

어떤 생각이 플롯을 만드는

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

def fseries(x, a0, a1, b1, w): 
    f = a0 + (a1 * np.cos(w * x)) + (b1 * np.sin(w * x)) 
    return f 

x = np.arange(0, 10) 
y = [-45.0, -17.0, -33.0, 50.0, 48.0, -3.0, -1.0, 2.0, 84.0, 71.0] 

res = scipy.optimize.curve_fit(fseries, x, y, maxfev=10000) 

xt = np.linspace(0, 10, 100) 
yt = fseries(xt, res[0][0], res[0][1], res[0][2], res[0][3]) 

plt.plot(x,y) 
plt.plot(xt, yt, 'r') 
plt.show() 

이해하거나 잘못하고있는가?

Answer 1

우선, 곡선 맞춤은 주어진 데이터 세트에 대해 좋은 곡선을 만드는 마법 장치가 아닙니다. 대수 데이터 세트에 지수 곡선을 잘 맞출 수 없습니다. 데이터를 보면, 정의한 함수에 의해 잘 묘사 된 것처럼 보입니까? 그것은 선형 함수와 사인 함수의 오버레이처럼 보이지 않습니까?
그런 다음 커브 피팅은 시작 값에 크게 좌우되는 반복 프로세스입니다.

P0 : 다음 scipy manual의 매개 변수에 대한 없음, 스칼라, 또는 N-길이 순서, 선택 초기 추측. 없음 경우, 초기 값은 모두 1

왜 p0위한 더 나은 추측을 제공 할 수 있습니까?
마지막으로, 두 개의 어레이가 반환됩니다. 네가 필요로 할지라도 나는 둘 다 읽을 것이다. 코드를 단순화합니다.

p0 = (10, 20, 20, 1.5) 
res, _popcv = scipy.optimize.curve_fit(fseries, x, y, p0, maxfev=10000) 
xt = np.linspace(0, 10, 100) 
yt = fseries(xt, *res) 

시도하고 당신은 이미 더 잘 맞는을 얻을. 당신이

이 기능이 유용 여부, 당신이 결정해야

def fseries(x, a0, a1, b1, w): 
    f = a0 * x + (a1 * np.cos(w * x)) + (b1 * np.sin(w * x)) 
    return f 

에 더 잘 맞는 함수를 정의 할 때
당신은 더 적합성을 향상시킬 수 있습니다. 데이터 세트가 더 적합하기 때문에 상황에 맞는 설명자가된다는 것을 의미하지는 않습니다.