Python 参数拟合

我编写了以下代码，以便根据提供的最后一行数据拟合下面给出的方程的参数K和c。但是，当将优化返回到方程中时，返回的参数不会给出与方程相同的结果（应该是0.1，但我得到的是0.99）。如何重新调整代码，使其适合参数，使函数基于给定的P和N值范围等于0.1

#import numpy as np
#import matplotlib.pyplot as plt
from scipy.optimize import curve_fit # this guy will help us fit everything

def func(K, N, P, c):
    return K * N * P**c

# Arrays we want to fit
P_array = [4.9, 3.9, 3.5, 2.6, 2.0]
N_array = [0.4, 0.7, 1.5, 2.8, 7]

#run the curve fitting:
popt, pcov = curve_fit(func, P_array, N_array)

print('our parameter K = {0}, c = {1}'.format(popt[0], popt[1]))
K = popt[0]
c = popt[1]

result = func(K, N_array[0], P_array[0], c)
print('result based on calculated parameters = {0}'.format(result))
    

我们的参数K=0.6543608665770835，c=0.8426663272072936 基于计算参数的结果=0.99880867573

---

我认为对曲线拟合的一般工作原理存在误解。对于

曲线拟合

，您必须首先正确制定问题。我的意思是，您需要对表单

ydata=func（扩展数据，*params）

有问题，然后确定哪个是

xdata

，哪个是

ydata

，哪个是

params

，另外，如何识别您的

xdata

，

ydata

，等等的问题是关于SO的主题，更多关于or的主题