Python 优化功能参数
我不熟悉编码，目前正在尝试将一个函数与我的数据相匹配，并在我的代码中找到我称为“a”和“c”的优化参数，我将在下面展示。当我运行我所拥有的代码时，我得到了一个错误——“内置函数”或“方法”对象没有“优化”属性，我看不出如何克服这个问题（可能是因为我缺乏编码知识tbh），我想知道是否有人能帮我改进代码，以便我得到最适合绘制数据的“a”和“c”值 以下是我目前的代码：Python 优化功能参数,python,numpy,optimization,error-handling,parameters,Python,Numpy,Optimization,Error Handling,Parameters,我不熟悉编码，目前正在尝试将一个函数与我的数据相匹配，并在我的代码中找到我称为“a”和“c”的优化参数，我将在下面展示。当我运行我所拥有的代码时，我得到了一个错误——“内置函数”或“方法”对象没有“优化”属性，我看不出如何克服这个问题（可能是因为我缺乏编码知识tbh），我想知道是否有人能帮我改进代码，以便我得到最适合绘制数据的“a”和“c”值 以下是我目前的代码： import numpy import scipy.optimize as optimization import matplot
import numpy
import scipy.optimize as optimization
import matplotlib.pyplot as plt
xdata=numpy.array([4.78,5.48,5.88,6.17,6.39,6.57,6.73,6.86,6.98,7.09,7.16,7.27,7.35,7.42,7.49,7.56,7.62,7.67,7.73,7.78,7.83,7.87,7.92,7.96,8.00,8.04,8.08,8.11,8.15,8.18])#x data
ydata=numpy.array([1.666,1.669,1.669,1.672,1.680,1.682,1.687,1.692,1.696,1.704,1.709,1.714,1.716,1.727,1.733,1.740,1.749,1.752,1.761,1.771,1.783,1.793,1.797,1.812,1.818,1.828,1.833,1.836,1.844,1.852])#y data
x0 = numpy.array([0.0, 0.0]) #not sure how to treat this line??
sigma = numpy.array([1.0,1.0,1.0,1.0,1.0,1.0]) # errors (being omitted at the moment)
def func(x, a, c):
return a+c*x #definition of function
plt.plot(xdata,ydata,label='data')
plt.show()
print.optimization.curve_fit(func, xdata, ydata, x0, sigma)
print(optimization.curve_fit(func, xdata, ydata, x0, sigma))
print.optimization.curve_fit(func, xdata, ydata, x0, sigma)
print(optimization.curve_fit(func, xdata, ydata, x0, sigma))
print.optimization.curve_fit(func, xdata, ydata, x0, sigma)
最后一行应该是
print（optimization.curve\u fit…print.optimization.curve\u fit…plt.show（）print（optimization.curve\u fit…print.optimization.curve\u fit…plt.show（）