为什么scipy.optimize.curve_fit不会产生最适合我积分的线？

Question

我有一组数据点，（下面代码中的x和y），我试图通过我的点创建一个最适合的线性线。我正在使用scipy.optimize.curve_fit。我的代码产生一条线，但不是最合适的线。我试过给我的渐变和拦截使用函数模型参数，但每次它产生完全相同的行，不适合我的数据点。

蓝点是我的数据点，红线应该适合：

如果有人能指出我哪里出错了，我将非常感激：

import numpy as np
import matplotlib.pyplot as mpl
import scipy as sp
import scipy.optimize as opt

x=[1.0,2.5,3.5,4.0,1.1,1.8,2.2,3.7]
y=[6.008,15.722,27.130,33.772,5.257,9.549,11.098,28.828]
trialX = np.linspace(1.0,4.0,1000)                         #Trial values of x

def f(x,m,c):                                        #Defining the function y(x)=(m*x)+c
    return (x*m)+c

popt,pcov=opt.curve_fit(f,x,y)                       #Returning popt and pcov
ynew=f(trialX,*popt)                                                  

mpl.plot(x,y,'bo')
mpl.plot(trialX,ynew,'r-')
mpl.show()

Answer 1

您也可以使用numpy.polyfit来获得最佳拟合线：

import numpy as np
import matplotlib.pyplot as mpl

x=[1.0,2.5,3.5,4.0,1.1,1.8,2.2,3.7]
y=[6.008,15.722,27.130,33.772,5.257,9.549,11.098,28.828]
trialX = np.linspace(1.0,4.0,1000)                         #Trial values of x

#get the first order coefficients 
fit = np.polyfit(x, y, 1)

#apply 
ynew = trialX * fit[0] + fit[1]                                              

mpl.plot(x,y,'bo')
mpl.plot(trialX,ynew,'r-')
mpl.show()

以下是输出：

Answer 2

编辑：此行为现已在当前版本的scipy中修补，以使.curve_fit更加万无一失：

https://github.com/scipy/scipy/issues/3037

---

出于某种原因，.curve_fit确实希望输入是一个numpy数组，并且如果你将它传递给常规列表会给你错误的结果（恕我直言，这是意外的行为，可能是一个错误）。将x的定义更改为：

x=np.array([1.0,2.5,3.5,4.0,1.1,1.8,2.2,3.7])

你得到：

我猜测从m*x开始，其中m是一个整数而x是一个列表，它将产生该列表的m个副本，显然不你正在寻找的结果！< / p>