我正在尝试使用 scipy 拟合一条倾斜且移位的高斯曲线曲线拟合函数,但我发现在某些条件下拟合效果很差,经常给我接近或完全是一条直线。
下面的代码源自curve_fit
文档。提供的代码是用于测试目的的任意数据集,但很好地显示了问题。
import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import math as math
import scipy.special as sp
#def func(x, a, b, c):
# return a*np.exp(-b*x) + c
def func(x, sigmag, mu, alpha, c,a):
#normal distribution
normpdf = (1/(sigmag*np.sqrt(2*math.pi)))*np.exp(-(np.power((x-mu),2)/(2*np.power(sigmag,2))))
normcdf = (0.5*(1+sp.erf((alpha*((x-mu)/sigmag))/(np.sqrt(2)))))
return 2*a*normpdf*normcdf + c
x = np.linspace(0,100,100)
y = func(x, 10,30, 0,0,1)
yn = y + 0.001*np.random.normal(size=len(x))
popt, pcov = curve_fit(func, x, yn,) #p0=(9,35,0,9,1))
y_fit= func(x,popt[0],popt[1],popt[2],popt[3],popt[4])
plt.plot(x,yn)
plt.plot(x,y_fit)
当我将高斯从零移得太远时(使用mu
)。我尝试给出初始值,即使是与我的原始函数相同的初始值,但它并不能解决问题。对于值为mu=10
, curve_fit
工作完美,但如果我使用mu>=30
它不再适合数据。