我一直在尝试scipy.optimize curve_fit并将其与Excel 2010中的求解器进行比较。
虽然Python对于我最终会拥有的大数据集来说要好得多，但Excel的非线性GRG求解器似乎比我对较小的练习数据集做了更好（更可靠）的拟合参数工作而不是curve_fit。 Excel似乎总是收敛于理性参数猜测，而curve_fit很容易徘徊或者选择不良的选择（更多的初始条件依赖于Excel）。
我的一个拟合功能是：
def f(x,a,b,c,d,e,f):
return a/(abs(b)+x)**abs(c) + d/(abs(e)+x)**abs(f)
其中x是一个数组a，b，c，d，e＆amp; f是参数。
我想知道是否有人建议如何使用scipy和numpy曲线拟合，这可能会使用其他方法与Excel的效果相当。