Python曲线拟合模型
我正在尝试使用Python将曲线拟合到一系列数据点，总结如下： 从下面可以看出，大于2阶的多项式似乎是最适合的，其次是线性多项式，最后是指数多项式，总体结果最差 虽然我知道这可能不是指数增长，但我只是想知道你是否会认为指数函数的性能如此糟糕（基本上，x，b的系数被设置为0，并且曲线上的任意点被选为相交点），或者我是否在代码中做了一些错误的事情来拟合 我使用的代码如下所示：Python曲线拟合模型,python,Python,我正在尝试使用Python将曲线拟合到一系列数据点，总结如下： 从下面可以看出，大于2阶的多项式似乎是最适合的，其次是线性多项式，最后是指数多项式，总体结果最差 虽然我知道这可能不是指数增长，但我只是想知道你是否会认为指数函数的性能如此糟糕（基本上，x，b的系数被设置为0，并且曲线上的任意点被选为相交点），或者我是否在代码中做了一些错误的事情来拟合 我使用的代码如下所示： # Fitting def exponenial_func(x,a,b,c): return a*np.exp(-
# Fitting
def exponenial_func(x,a,b,c):
return a*np.exp(-b*x)+c
def linear(x,m,c):
return m*x+c
def quadratic(x,a,b,c):
return a*x**2 + b*x+c
def cubic(x,a,b,c,d):
return a*x**3 + b*x**2 + c*x + d
x = np.array(x)
yZero = np.array(cancerSizeMean['levelZero'].values)[start:]
print len(x)
print len(yZero)
popt, pcov = curve_fit(exponenial_func,x, yZero, p0=(1,1,1))
expZeroFit = exponenial_func(x, *popt)
plt.plot(x, expZeroFit, label='Control, Exponential Fit')
popt, pcov = curve_fit(linear, x, yZero, p0=(1,1))
linearZeroFit = linear(x, *popt)
plt.plot(x, linearZeroFit, label = 'Control, Linear')
popt, pcov = curve_fit(quadratic, x, yZero, p0=(1,1,1))
quadraticZeroFit = quadratic(x, *popt)
plt.plot(x, quadraticZeroFit, label = 'Control, Quadratic')
popt, pcov = curve_fit(cubic, x, yZero, p0=(1,1,1,1))
cubicZeroFit = cubic(x, *popt)
plt.plot(x, cubicZeroFit, label = 'Control, Cubic')
from scipy.optimize import curve_fit
如果你对诸如指数这样的函数的初始猜测很差，那么曲线拟合的性能往往很差，最终可能会得到非常大的数字。您可以尝试更改maxfev输入，以便它运行更多的迭代。否则，我建议尝试以下方法：
p0=(1000,-.005,0)
（3001000）exp（-300）基本上，python使用的是一种精度有限的数值方法，指数估计超出了它可以处理的值范围曲线拟合往往表现不佳，如果你对诸如指数之类的函数的初始猜测很差，最终可能会得到非常大的数。您可以尝试更改maxfev输入，以便它运行更多的迭代。否则，我建议尝试以下方法：
p0=(1000,-.005,0)
（3001000）exp（-300）基本上，python使用的是精度有限的数值方法，而指数估计超出了它可以处理的值的范围我不确定如何拟合曲线——是否使用多项式最小二乘法？在这种情况下，你会期望每增加一个灵活度，拟合度就会提高，你会根据边际改进递减/外部理论来选择功率 改善的合身度应该是这样的
实际上，我写了一些代码在python中为类a编写多项式最小二乘法。这是一个有点黑客虽然和松散的评论，因为我只是用它来解决练习。希望对您有所帮助。我不确定您是如何拟合曲线的——您使用的是多项式最小二乘法吗？在这种情况下，你会期望每增加一个灵活度，拟合度就会提高，你会根据边际改进递减/外部理论来选择功率 改善的合身度应该是这样的
实际上，我写了一些代码在python中为类a编写多项式最小二乘法。这是一个有点黑客虽然和松散的评论，因为我只是用它来解决练习。希望有帮助。当
x1/xxx1/xx