使用曲线拟合的Python非线性回归误差
我正在尝试使用scipy.optimize.curve_fit获得函数的3个未知参数。我从这里找到的Scipy文档中获取了示例代码: 我使用简单的数据并绘制它:使用曲线拟合的Python非线性回归误差,python,scipy,non-linear-regression,Python,Scipy,Non Linear Regression,我正在尝试使用scipy.optimize.curve_fit获得函数的3个未知参数。我从这里找到的Scipy文档中获取了示例代码: 我使用简单的数据并绘制它: import numpy as np import matplotlib.pyplot as plt from scipy.optimize import curve_fit xdata = np.array([4.2, 8.5, 10.3, 17.2, 20.7, 38.2, 75.6, 850, 1550]) ydata
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
xdata = np.array([4.2, 8.5, 10.3, 17.2, 20.7, 38.2, 75.6, 850, 1550])
ydata = np.array([83.3, 53.3, 44.8, 32.6, 28.1, 19.5, 11.5, 5.7, 5.3])
plt.plot(xdata, ydata, 'b-', label='data')
这是函数和代码的其余部分:
def func(x, a, b, c):
return x*(a*(1-m.exp(-b/x))+c*m.exp(-b/x))-x*c
popt, pcov = curve_fit(func, xdata, ydata)
popt
plt.plot(xdata, func(xdata, *popt), 'r-',
label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))
popt, pcov = curve_fit(func, xdata, ydata, bounds=(0, [3., 1., 0.5]))
popt
plt.plot(xdata, func(xdata, *popt), 'g--',
label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()
我得到下面的错误
TypeError:无法根据规则“安全”将数组数据从数据类型“O”强制转换为数据类型“float64”
在所有错误详细信息之后:
错误:函数调用的结果不是正确的浮点数组
我尝试了xdata=np.array,dtype='float64',并尝试了在此线程上提出的所有解决方案,但未成功:
有什么建议和想法可以让这个回归工作吗?这段代码对我来说执行时没有错误注意:我将m.exp更改为np.exp: 尽管合身度很差: 我正在使用python 3.5.4:
matplotlib 2.2.0
numpy 1.14.2
scipy 1.0.0
事实上,我忘了在帖子中将m.exp改为np.exp。我更新了我的库,现在它工作了,非常感谢!
matplotlib 2.2.0
numpy 1.14.2
scipy 1.0.0