Question

我正在尝试使用curve_fit将逻辑增长曲线拟合到我的数据中，使用以下函数作为输入。

def logistic(x, y0, k, d, a, b):
    if b > 0 and a > 0:
        y = (k * pow(1 + np.exp(d - (a * b * x) ), (-1/b) )) + y0
    elif b >= -1 or b < 0 or a < 0:
        y = (k * pow(1 - np.exp(d - (a * b * x) ), (-1/b) )) + y0

    return y

正如您所看到的，我正在使用的函数对参数a和b可以接受的值有一些限制。有关如何处理错误值的任何猜测？输入函数是应该引发异常还是返回虚拟值？提前致谢。

Answer 1

当参数超出允许范围时，返回一个非常大的数字（远离要安装的数据）。这将（希望）惩罚这些参数的选择，以至于curve_fit将以其他一些可接受的参数集合作为最优参数：

def logistic(x, y0, k, d, a, b):
    if b > 0 and a > 0:
        y = (k * pow(1 + np.exp(d - (a * b * x) ), (-1/b) )) + y0
    elif b >= -1 or b < 0 or a < 0:
        y = (k * pow(1 - np.exp(d - (a * b * x) ), (-1/b) )) + y0
    else:
        y = 1e10
    return y

限制curve_fit的值（scipy.optimize）

1 个答案: