使用列表和数组的scipy.optimize.curve_fit的不同结果

Question

尝试使用scipy.optimize.curve_fit通过3参数指数函数拟合一组2D元素，如果将包含数据的列表视为列表或numpy数组，则会得到截然不同的结果。 MWE在下面。

最终拟合的参数值abc是：

FINAL abc: [  1.39852692e-10   1.00000000e+00   1.39020816e-01]

用于使用列表（ exp_3p ）执行计算的函数，以及：

FINAL abc numpy: [ 0.00826326  0.18603007 -0.02641734]

用于使用numpy数组（ exp_3p_np ）的函数。

我很确定这与使用数组时的浮点精度有关，但是如果我可以从对此有更多知识的人那里得到确认（可能还有更多信息），那将是很棒的。

---

加

这显然是scipy 0.12.0问题，这是我尝试此操作时在系统中安装的版本。 我升级到0.14.0 ，再次运行代码，现在两个函数返回的值完全相同。

---

微机

import numpy as np
from scipy.optimize import curve_fit

def exp_3p(x, a, b, c):
    return a * np.exp(b * x) + c

def exp_3p_np(x, a, b, c):
    return a * np.exp(b * np.asarray(x)) + c


x = [11.250861, 11.750861, 12.250861, 12.750861, 13.250861, 13.750861,
    14.250861, 14.750861, 15.250861, 15.750861, 16.250861, 16.750861,
    17.250861, 17.750861, 18.250861, 18.750861, 19.250861, 19.750861, 20.250861,
    20.750861, 21.250861, 21.750861]
y = [0.045588760000000006, 0.046796000000000004, 0.0556935, 0.0634055,
    0.083095124999999992, 0.092670656249999997, 0.098264620000000011,
    0.086176929999999999, 0.1062696625, 0.124142703125, 0.13172655,
    0.13762596999999999, 0.17699458749999999, 0.200194234375,
    0.19936675000000001, 0.24553768749999999, 0.28308924000000002, 0.3130945,
    0.35024002999999998, 0.39341382000000003, 0.40971550000000001,
    0.40854391000000001]

popt, pcov = curve_fit(exp_3p, x, y)
print '\nFINAL abc:', popt

popt, pcov = curve_fit(exp_3p_np, x, y)
print '\nFINAL abc numpy:', popt