[英]Piecewise Exponential fit in Python
我正在尝试进行如图1所示的分段拟合:
这是代码:
import numpy as np
from matplotlib import pyplot as plt
from scipy import optimize
def piecewise_linear(x, x0, y0, k1, k2):
return np.piecewise(x, [x < x0], [lambda x: k1*np.power(x,k2), lambda x: y0])
x=np.arange(0.0,100.0,1.0)
y=piecewise_linear( x, 45.0, 2025.0, 1.0, 2.0)
popt , pcov = optimize.curve_fit(piecewise_linear, x, y)
tau = np.linspace(x[0], x[-1], 200)
perr = np.sqrt(np.diag(pcov))
print popt
print perr
print pcov
plt.plot(x, y, 'b+')
plt.plot(tau, piecewise_linear(tau, *popt),'r')
plt.loglog()
plt.show()
plt.close()
无论我如何更改数据集,参数x0都固定为1。
我不知道我的代码有什么问题,如何解决这个问题?
在您的optimize.curve_fit()
您需要使用p0 = []
为拟合指定一些初始猜测,在此您将初始猜测输入到p0
,有关其文档可在此处找到。
根据给出的示例,您已经具有x0, y0, k1, k2
的值x0, y0, k1, k2
因为它们用于计算y
,因此只需将其输入到curve_fit
:
def piecewise_linear(x, x0, y0, k1, k2):
return np.piecewise(x, [x < x0], [lambda x: k1*np.power(x,k2), lambda x: y0])
x=np.arange(0.0,100.0,1.0)
y=piecewise_linear( x, 45.0, 2025.0, 1.0, 2.0)
#insert the initial guesses into curve_fit below using p0 = [...]
popt , pcov = optimize.curve_fit(piecewise_linear, x, y, p0=[45, 2000, 1, 2])
tau = np.linspace(x[0], x[-1], 200)
perr = np.sqrt(np.diag(pcov))
print (popt)
print (perr)
print (pcov)
plt.plot(x, y, 'b+')
plt.plot(tau, piecewise_linear(tau, *popt),'r')
plt.loglog()
plt.show()
这给出了下图:
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.