Python scipy curve_fit 指数方程未按预期拟合

Question

我有数据我试图拟合指数，但这个数据并不理想，但是当使用 JMP 的内置曲线拟合函数时，它按预期工作，并且我得到了我的数据的一个很好的近似值（请参见下图，JMP 拟合曲线指数3P）。

JMP 拟合曲线指数 3P

我知道尝试这种使用具有curve_fit功能Python库scipy.optimize所描述的复制在这里。 然而，这会产生非常不同的曲线，请参见下文。

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

df = pd.read_csv('test.csv', sep = ',' ,index_col = None, engine='python')

def exponential_3p(x, a, b, c):
    return a + b * np.exp(c * x) 

popt, pcov = curve_fit(exponential_3p,df.x,df.y)

a = popt[0] 
b = popt[1]
c = popt[2]

plt.plot(df.x,df.y)
plt.plot(df.x,exponential_3p(df.x, a, b, c))

scipy optimize.curve_fit 指数

Answer 1

您是scipy.optimize.curve_fit难以理解的愚蠢行为的又一个受害者。

曲线拟合和局部优化问题需要所有可变参数的初始值。 它们不是可选的。 没有有意义的“默认值”。 scipy.optimize.curve_fit在这方面向您撒谎，并允许您不提供初始值并默默地（甚至没有警告！）假设您的意思是所有初始值都是 1。这是错误的，错误的，错误的。

您必须给出合理的起始值或拟合。