Question

我正在使用scipy.optimize.curve_fit，但我怀疑它正在收敛到局部最小值而不是全局最小值。

我尝试以下列方式使用模拟退火：

def fit(params):
 return np.sum((ydata - specf(xdata,*params))**2)

p = scipy.optimize.anneal(fit,[1000,1E-10])

其中specf是我想要拟合的曲线。 p中的结果显然比curve_fit返回的最小值更差，即使返回值表示达到全局最小值（see anneal）。

如何改善结果？ SciPy中是否有全局曲线钳工？

Answer 1

你是对的，它只会收敛到局部最小值（当它收敛时），因为它使用了Levenburg-Marquardt算法。 SciPy中没有全局曲线拟合器，您必须使用existing global optimizers自己编写。但要注意，这仍然不必收敛到你想要的价值。在大多数情况下，这是impossible。

改善结果的唯一方法是很好地猜测起始参数。

Answer 2

你可能想尝试使用leastsq()（curve_fit实际上使用它，但你没有得到完整输出）或ODR package而不是curve_fit。

leastsq（）的完整输出为您提供了更多信息，例如chisquared值（如果您想将其用作快速且肮脏的拟合度测试）。

如果你需要加权，你就可以这样：

fitfunc = lambda p,x: p[0]+ p[1]*exp(-x)
errfunc = lambda p, x, y, xerr: (y-fitfunc(p,x))/xerr
out = leastsq(errfunc, pinit, args=(x,y, xerr), full_output=1)
chisq=sum(infodict['fvec']*infodict['fvec'])

Answer 3

这是一个非常重要的问题。您是否考虑过使用进化策略？我在ecspy上取得了巨大成功（见http://code.google.com/p/ecspy/），社区规模虽小但非常有帮助。

SciPy全局最小曲线拟合

3 个答案: