我们如何在Python中使用sigmoid函数？

出于可再现性的原因，我正在共享我正在使用的简单数据集

为了弄清楚我在做什么——从第2列开始，我读取当前行并将其与前一行的值进行比较。如果它更大，我会继续比较。如果当前值小于上一行的值，我想将较小的当前值除以较大的上一行值。因此，下面是我的源代码

import numpy as np
import scipy.stats
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import beta

protocols = {}

types = {"data_v": "data_v.csv"}

for protname, fname in types.items():
    col_time,col_window = np.loadtxt(fname,delimiter=',').T
    trailing_window = col_window[:-1] # "past" values at a given index
    leading_window  = col_window[1:]  # "current values at a given index
    decreasing_inds = np.where(leading_window < trailing_window)[0]
    quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds]
    quotient_times = col_time[decreasing_inds]

    protocols[protname] = {
        "col_time": col_time,
        "col_window": col_window,
        "quotient_times": quotient_times,
        "quotient": quotient,
    }
    plt.figure(); plt.clf()
    plt.plot(quotient_times, quotient, ".", label=protname, color="blue")
    plt.ylim(0, 1.0001)
    plt.title(protname)
    plt.xlabel("quotient_times")
    plt.ylabel("quotient")
    plt.legend()
    plt.show()
    sns.distplot(quotient, hist=False, label=protname)

我们如何将上面定义的商拟合到一个sigmoid函数中，从而得到如下所示的图

你想要一个乙状结肠，或者实际上是一个。这可以通过多种方式改变，例如坡度、中点、幅值和偏移

下面的代码定义了sigmoid函数，并利用scipy.optimize.curve_fit函数通过调整参数来最小化错误

from scipy.optimize import curve_fit

def sigmoid (x, A, h, slope, C):
    return 1 / (1 + np.exp ((x - h) / slope)) *  A + C

# Fits the function sigmoid with the x and y data
#   Note, we are using the cumulative sum of your beta distribution!
p, _ = curve_fit(sigmoid, lnspc, pdf_beta.cumsum())

# Plots the data
plt.plot(lnspc, pdf_beta.cumsum(), label='original')
plt.plot(lnspc, sigmoid(lnspc, *p), label='sigmoid fit')
plt.legend()

# Show parameters for the fit
print(p)

这将为您提供以下绘图：

以及上述所用函数的以下参数空间：

[-1.82910694e+01  4.88870236e-01  6.15103201e-03  1.82895890e+01]

如果您想拟合变量商、时间和商，只需更改变量即可

...
p, _ = curve_fit(sigmoid, quotient_times, quotient)
...

并绘制它：

---

我向您推荐lmfit套餐。在这里，您可以轻松实现自己的fit功能。希望我能正确理解你的问题，我适合做乙状结肠功能？我以前没用过，但你能试试我共享的数据集吗，Richard？谢谢。将数据集装配到sigmoid和使用sigmoid分类器不一样吗？您只需要提取参数。Scikit learn有一个非常容易使用的sigmoid分类器。我在R中做了一些非常类似的事情，如果我分享它会有帮助吗？@MedImage，谢谢你，但我想在Python中使用它。如果你能用Python和我分享的数据分享你的答案，那会很酷，我会把它标记为一个被接受的答案-是的，这正是我所要求的，但你能用我共享的数据集试试吗？@Brown，这是你的数据集！这是贝塔分布的累积和。真的吗？那么你在哪里传递数据的beta拟合呢？我可以要咖啡吗-D@Brown，它是pdf_beta.cumsum命令，pdf_beta是您在示例代码中提供的。现在，我另外提供了商数和商数乘以的拟合，作为您的第一个绘图。希望能有帮助。当数据是如此的不均匀分布时，拟合很可能不会太好。

...
p, _ = curve_fit(sigmoid, quotient_times, quotient)
...