使用curve_fitting的常数因子的幂律

时间:2013-04-19 15:14:03

标签: python scipy curve-fitting

我希望使用具有常数因子的幂律来拟合我的x和y数据。我的幂律模型是y(r)= F0 + F *(r)** alpha其中F0是常数。我的代码是,

x = [0.015000000000000001, 0.024999999999999998, 0.034999999999999996, 0.044999999999999998, 0.055, 0.065000000000000002, 0.075000000000000011, 0.085000000000000006, 0.094999999999999987, 0.125, 0.17500000000000002, 0.22500000000000003, 0.27500000000000002]

y= [5.6283727993522774, 4.6240796612752799, 3.7366642904247769, 3.0668203445969828, 2.5751865553847577, 2.0815063796430979, 1.7152655187581032, 1.4686235817532258, 1.2501921057958358, 0.80178306738561222, 0.43372429238424598, 0.26012305284446235, 0.19396186239328625]


def func(x,m,c,c0):
      return c0 + x**m * c

coeff,var=curve_fit(func,x,y)

print coeff


Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.6/dist-packages/scipy/optimize/minpack.py", line 511, in curve_fit
    raise RuntimeError(msg)
RuntimeError: Optimal parameters not found: Number of calls to function has reached maxfev = 800.

然后我改变了maxfev = 2000然后它给了我错误的系数值。如果我改变了,我的斜率m到(-m)func然后它给了我正确的答案,但我的斜率将是负的。有没有办法克服这个问题?

2 个答案:

答案 0 :(得分:6)

问题在于curve_fit是从缺省的猜测开始的,这些参数太差了(即,它们全部以1开始)。

相反,使用您对数据的了解进行粗略猜测:至少,您知道m必须是负数(因为它是幂律)。因此,请尝试在m处开始-1。 (您可以在0开始截距术语,在1开始斜率术语,因为这些是合理的默认值。

def func(x,m,c,c0):
    return c0 + x**m * c

coeff,var=curve_fit(func,x,y, p0=[-1, 1, 0])

这为您提供了正确的输出:

[-0.34815029  2.16546037 -3.4650323 ]

(请注意,您可以使用m0之间的任意数字开始-9,并且它仍会收敛到此结果。)

答案 1 :(得分:0)

根据X和Y之间差异的大小,查看您的数据,我们的想法是重新调整您的问题。

first post中详细介绍了一个例子。