Python 尽管x0在范围内，但Scipy optimize仍会引发ValueError

我试着将一条S形曲线拟合到一小组点上，基本上是从一组观测值生成一条概率曲线。我使用的是

scipy.optimize.curve_fit

，带有稍微修改的逻辑函数（以便完全绑定在[0,1]内）。目前，我在dogbox方法和精确的tr_解算器方面取得了最大的成功

当我尝试运行代码时，对于某些数据点，它将引发：

ValueError: `x0` violates bound constraints.

在更新到最新版本的numpy/scipy（numpy 1.17.0，scipy 1.3.1）之前，我没有遇到过这个问题（使用相同的代码和数据），因此我认为这是这次更新的结果（我不能降级，因为我需要用于此项目其他方面的其他库需要这些版本）

我在一个大数据集（N~15000）上运行这个，对于非常特定的值，曲线拟合失败，声称初始猜测超出了边界约束。事实并非如此，在所提供的示例中，即使在曲线拟合之前通过print语句快速检查也证实了这一点

起初，我认为这是一个numpy精度错误，这么小的值被认为是超出范围的，但稍微改变它或提供一个类似大小的新的任意数字不会导致ValueError。此外，其他失败的值高达~1e-10，因此我认为它一定是其他值

下面是一个我每次都失败的例子：

import numpy as np
import scipy as sp
from scipy.special import expit, logit
import scipy.optimize

def f(x,x0,g,c,k):
    y = c*expit(k*10.*(x-x0)) + g*(1.-c)
    return y

#               x0                      g                       c                       k
p0 = np.array([8.841357069490852e-01, 4.492363462957287e-19, 5.547073496706608e-01, 7.435378446218519e+00])
bounds = np.array([[-1.,1.], [0.,1.], [0.,1.], [0.,20.]])
x = np.array([1.0, 1.0, 1.0, 1.0, 1.0, 0.8911796599834791, 1.0, 1.0, 1.0, 0.33232919909076103, 1.0])
y = np.array([0.999, 0.999, 0.999, 0.999, 0.999, 0.001, 0.001, 0.001, 0.001, 0.001, 0.001])
s = np.array([0.9, 0.9, 0.9, 0.9, 0.9, 0.9, 0.9, 0.9, 0.9, 0.9, 0.9])

print([pval >= b[0] and pval <= b[1] for pval,b in zip(p0,bounds)])

fit,cov = sp.optimize.curve_fit(f,x,y,p0=p0,sigma=s,bounds=([b[0] for b in bounds],[b[1] for b in bounds]),method='dogbox',tr_solver='exact')

print(fit)
print(cov)

如果有人对造成这种情况的原因有任何见解，我将非常感谢您的帮助！我做了一些搜索，找不到任何可能与这个场景相关的答案，所以我决定打开这个问题。谢谢

19年9月9日编辑：

np.\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。我在64位Windows10上的Python3.6.6上运行这个

如果我将第二个或第四个边界更改为+/-np.inf（或同时更改这两个边界），那么代码实际上是完整的——但我仍然不确定x0是如何无效的（我仍然需要将拟合绑定到这些值）

编辑：1/22/20
将
np.\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。我已经为这个错误打开了窗口。然而，他们似乎也无法重现这个问题，因此无法解决它。
可怕的黑客攻击。不要在家里做：）但如果你只需要自己承担风险完成工作：

在

C:\Users\user\AppData\Local\Programs\Python\36\lib\site packages\scipy\optimize\\u numdiff.py

查找：

如果np.any（（x0ub））：
raise VALUERROR（“`x0`违反了绑定约束。”）

替换为：

如果np.any（（x0-lb）<-1e-12）|（x0>ub））：
raise VALUERROR（“`x0`违反了绑定约束。”）

其中，
-1e-12
是您认为您的案例可以容忍的约束错误
（x0 lb）<0
。这里，
x0
是一个猜测，
lb
是一个下限

我不知道这次黑客攻击会导致什么数字上的恐怖。但是，如果您只是想继续…
我可以确认发布的代码在numpy版本1.13.3和scipy版本0.19.1上运行到完成时没有错误。可以单独使每个绑定[-np.inf，np.inf]尝试并找到有问题的绑定，这很容易做到，可能会有所帮助。@JamesPhillips-Jepp，在Python2.7.14上使用NUMPY1.15.0和SCIPY1.1.0也可以使用。。
print（）
suggestpython3？的使用与python3.6.5、numpy1.16.3和scipy1.3.0相同。。。作品但是，所有这些都在64位linux上。@AndrasDeak截至2020年1月22日，这个问题仍在发生，没有提出或找到其他解决方案（升级到numpy 1.18.1和scipy 1.4.1没有帮助）。根据您的建议，我在问题跟踪程序上打开了一个问题。这不是我的问题。在我的例子中，x0=4.15是边界的平均值（.8，7.5）。但还是出现了错误。
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\minpack.py", line 763, in curve_fit
  **kwargs)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_lsq\least_squares.py", line 927, in least_squares
  tr_solver, tr_options, verbose)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_lsq\dogbox.py", line 310, in dogbox
  J = jac(x, f)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_lsq\least_squares.py", line 874, in jac_wrapped
  kwargs=kwargs, sparsity=jac_sparsity)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_numdiff.py", line 362, in approx_derivative
  raise ValueError("`x0` violates bound constraints.")
ValueError: `x0` violates bound constraints.