为什么 Scipy 的 curve_fit 不能为以下问题给出正确的结果？

Question

代码：

from scipy.optimize import curve_fit
import numpy as np
from numpy import *


def func(x, a, b): 
    return ff(x,a,b) 


ff= lambda x,a,b: eval("1/(a*x+b)")

xdata = [1 ,2, 4, 6, 8, 10]
ydata = [0.22, 0.1, 0.06, 0.04, 0.03, 0.024]

popt, pcov = curve_fit(func, xdata, ydata)
print('\n', '[a b] for the best fit =    ', popt,'\n')

当它运行时它给出

 [a b] for the best fit =     [ 4.62673137 -0.04794652]

同时根据我的科学计算器（或通过手动解决），答案应该是：

 [a b] for the best fit =     [ 0.9232 4.05396]

我反复测试了该程序，这不是它没有提供正确结果的唯一示例。

Answer 1

我检查了你的计算：

import matplotlib.pyplot as plt
plt.scatter(xdata, ydata)
plt.scatter(xdata, func(np.array(xdata), 4.62673137, -0.04794652), c='r')
plt.scatter(xdata, func(np.array(xdata), 0.9232, 4.05396), c='g')
plt.show()

并发现curve_fit()给出了良好的拟合参数。 问题在于您的其他解决方案。

建议：

不要使用from X import * 。 在某些情况下，它使代码极难管理。

如果不需要，请不要使用eval() 。 在这种情况下：

def func(x, a, b):
    return 1. / (a * x + b)

更短更清晰。