我有一个图像，我在其中选择一个randow行并尝试在该行中拟合高斯曲线。我正在使用 scipy.optimize curve_fit方法来拟合高斯分布。
randow行的选择是根据数组向量[10,20,40,60,100]，这意味着在第一次尝试中我在该图像中选择10个randow行（因此，10个Gaussian拟合），然后，选择更多行等等。
大部分时间，代码都在工作，但是，有时我会收到错误（特别是当行数很大时：大约60或更多），这表示找不到最佳参数。
我在stackoverflow中发现了一些类似的帖子，但仍然无法解决这个问题。看起来这个问题经常出现在 curve_fit方法中。
答案 0 :(得分：6)
激光束，任何机会？ ; - ）
无论如何，问题可能是被选中的行是＆＃34;硬＆＃34;通过scipy's curve_fit函数拟合高斯曲线。我的第一个建议是调试（使用例如python＆＃39;} logging模块）以查看错误是否仅在特定行上弹出。
我的第二个建议是更改curve_fit的初始猜测。从可以进行曲线拟合的行中，您应该能够提取一些参数。在其他行上，高斯的平均值处于大致相同的位置，并且度数也不会变化太多。一个好的初始猜测肯定有助于曲线拟合。
如果你想分析这个问题，我肯定会同时做到这两点：尝试找到800次迭代后曲线拟合失败的行。然后通过改变初始猜测来查看曲线拟合是否有效。