在 scipy.optimize.curve_fit 中有没有优化 p0 的好方法？

Question

我正在尝试使用曲线拟合来拟合一些看起来像添加到线性函数的正弦函数的温度。 我最初的预测还有很长的路要走，我相信这是因为我需要调整 p0，但是我想知道是否有一种很好的方法来获得 p0 的初始猜测，或者它只是一个无休止的猜测和检查游戏。 或者，如果有更好的方法来获得回归线，请告诉我！ 谢谢！

Answer 1

这不是算法。 这一切都取决于模型和数据。 例如，如果有一个正弦曲线，对周期的粗略猜测（例如从最大值之间的距离）会有很长的路要走等

Answer 2

y(x)=a + px + b sin(wx) + c cos(wx)

具有 5 个可调参数：w、a、p、b、c。

这是一个非线性回归问题。 解决它的常用方法涉及从参数的猜测值开始的迭代演算。

论文中解释了一种非常规方法（非迭代，不需要初始值）： https : //fr.scribd.com/doc/14674814/Regressions-et-equations-integrales 。

理论第 47-48 页。 实际应用和数值示例 pp.49-53。