Python 在scipy.optimize.curve\U拟合中是否有一种优化p0的好方法?
我试着用曲线拟合来拟合一些温度,它看起来像一个正弦函数加上一个线性函数。我最初的预测有点偏差,我相信这是因为我需要调整p0,但是我想知道是否有一个好的方法来获得p0的初始猜测,或者这只是一个无休止的猜测和检查游戏。或者,如果有更好的方法获得回归线,请让我知道!Python 在scipy.optimize.curve\U拟合中是否有一种优化p0的好方法?,python,scipy,model,regression,curve-fitting,Python,Scipy,Model,Regression,Curve Fitting,我试着用曲线拟合来拟合一些温度,它看起来像一个正弦函数加上一个线性函数。我最初的预测有点偏差,我相信这是因为我需要调整p0,但是我想知道是否有一个好的方法来获得p0的初始猜测,或者这只是一个无休止的猜测和检查游戏。或者,如果有更好的方法获得回归线,请让我知道! 谢谢 这不是算法。这完全取决于模型和数据。例如,如果有正弦波,对周期的粗略猜测(例如从最大值之间的距离)会有很长的路要走等y(x)=a+px+bsin(wx)+ccos(wx) 具有5个可调参数:w、a、p、b、c 这是一个非线性回归问题
谢谢 这不是算法。这完全取决于模型和数据。例如,如果有正弦波,对周期的粗略猜测(例如从最大值之间的距离)会有很长的路要走等y(x)=a+px+bsin(wx)+ccos(wx) 具有5个可调参数:w、a、p、b、c 这是一个非线性回归问题。通常的解决方法包括从参数的猜测值开始的迭代演算 本文解释了一种非常规方法(不需要迭代,不需要初始值): 理论,第47-48页。实际应用和数值示例pp.49-53