Python SciPy全局最小曲线拟合

我使用的是

scipy.optimize.curve\u fit

，但我怀疑它正在收敛到局部最小值，而不是全局最小值

我尝试用以下方式使用模拟退火：

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

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

其中

specf

是我试图拟合的曲线。尽管

p

中的结果明显比

curve_fit

返回的最小值差，即使返回值表明已达到全局最小值（）

---

如何改进结果？SciPy中是否有全局曲线拟合器？

没错，它只会收敛到局部最小值（当收敛时），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。但是请注意，这仍然不必收敛到您想要的值。大多数情况下都是这样

---

提高结果的唯一方法是很好地猜测起始参数。

您可能希望尝试使用（曲线拟合实际使用此选项，但您无法获得完整输出）或代替曲线拟合

leastsq（）的完整输出为您提供了更多的信息，例如chisquared值（如果您想将其用作快速而肮脏的拟合优度测试）

如果您需要增加合适的重量，可以这样做：

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'])

---

这是一个非常重要的问题。你考虑过使用进化策略吗？我在ecspy（请参阅）方面取得了巨大成功，社区规模虽小，但很有帮助。

感谢您的回答。我意识到全局优化的困难，但我猜测（希望）这个轮廓相对来说表现良好。我使用L2标准来衡量健康的方法正确吗？