我有~10,000个向量，我想为每个向量拟合一个S形曲线;在每种情况下，我需要定义拟合的起始参数，所以我想自动找到这些参数。在stackexchange上，讨论了自动查找非线性模型（one，two）的起始值的策略，但这些讨论考虑了一些特定情况，例如拟合高斯模型。是否存在可以应用于S形曲线的一般理论？
答案 0 :(得分：0)
如果有一般方法，它们通常会被实施。你需要特殊的案例方法。
例如，如果你的sigmoid函数是这样的：
S(x) = L / (1 + exp( -k*(x-x0))
所以你想要找到L，k和x0，你可以这样继续：
我会调用您的数据x []和y []
找出y []的最大值，并采取比L
的估计值更大的值将y []转换为
z[i] = log( L/y[i] - 1)
（请注意，如果L是y []的最大值，那么那些最大y的z将是未定义的，这就是为什么你应该把L大于最大值;或者你可能会错过z的最大值是
所以你寻求的关系是
z[i] ~ -k*(x[i]-x0)
然后使用x []，z []
上的线性最小二乘估计k和x0