Question

我需要使用scipy的curve_fit函数进行简单的曲线拟合。但是，我的数据是矩阵形式。我可以轻松地在numpy中做到这一点，但我想看到适合scipy的善良。

问题：

AX = B - ＆gt;给定A，找到X表示最小平方误差。

from scipy.optimize import curve_fit
def getXval():
    a = 4; b = 3, c = 1;
    f0 = a*pow(b, 2)*c
    f1 = a*b/c
    return [f0, f1]

def fit(x, a0, a1):
    res = a0*x[0] + a1*x[1]
    return [res]

x = getXval()
y = [0.15]
popt, pcov = curve_fit(fit, x, y)

然而，这是行不通的。有人可以指出这里发生了什么吗？

Answer 1

您的代码存在一些问题 1）使用numpy数组而不是Python列表
2）你缺少y的值。

这对我有用：

from scipy.optimize import curve_fit
import numpy as np
def getXval():
    a = 4; b = 3; c = 1;
    f0 = a*pow(b, 2)*c
    f1 = a*b/c
    return np.array([f0, f1])

def fit(x, a0, a1):
    res = a0*x[0] + a1*x[1]
    return np.array([res])

x = getXval()
y = np.array([0.15, 0.34])
popt, pcov = curve_fit(fit, x, y)
print popt, pcov

scipy曲线拟合矩阵

1 个答案: