Python SciPy曲线_与np.log拟合后立即返回popt=p0，pcov=inf

我正在尝试使用

scipy.optimize.curve\u fit

对数据集的对数拟合进行优化。在实际数据集上尝试之前，我编写了在虚拟数据集上运行的代码

def do_fitting():
    x = np.linspace(0, 4, 100)
    y = func(x, 1.1, .4, 5)
    y2 = y + 0.2 * np.random.normal(size=len(x))

    popt, pcov = curve_fit(func, x, y2, p0=np.array([2, 0.5, 1]))

    plt.figure()
    plt.plot(x, y, 'bo', label="Clean Data")
    plt.plot(x, y2, 'ko', label="Fuzzed Data")
    plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
    plt.legend()
    plt.show()

当然，

do\u fitting（）

依赖于

func（）

，它将其传递到

curve\u fit

。问题出在这里。当我传递一个包含

np.log

的

func（）

时，即我实际想要拟合的函数，

curve\u fit

声明

p0

（初始条件）是最优解，并立即以无限协方差返回

如果使用非对数的

func（）

运行

do_fitting（）

，会发生以下情况：

下面是我使用对数

func（）

运行

do\u fitting（）

时发生的情况：

您会注意到，

popt

的对数解等于我在上述

do\u fitting（）

中为

p0

给出的

curve\u fit

值。这是真的，

pcov

是无限的，对于我尝试过的

p0

的每一个值

---

我在这里做错了什么？

我能够使用以下代码（几乎没有修改原始代码）很好地拟合对数函数：

（不幸的是，我无法发布最终拟合的图片，但它与干净的数据非常吻合）

很可能你的问题不是对数本身，而是曲线拟合对于你试图拟合的特定函数有一些困难。你能编辑你的问题来提供一个你想要拟合的精确对数函数的例子吗

编辑：您提供的函数没有为x=0定义好，执行时会产生RuntimeWarning。curve_fit不擅长处理NAN，在这种情况下无法拟合函数。如果你把x改成

x = np.linspace(1, 4, 100)

---

曲线拟合执行得很好。

我使用以下代码（几乎没有修改原始代码）可以很好地拟合对数函数：

（不幸的是，我无法发布最终拟合的图片，但它与干净的数据非常吻合）

很可能你的问题不是对数本身，而是曲线拟合对于你试图拟合的特定函数有一些困难。你能编辑你的问题来提供一个你想要拟合的精确对数函数的例子吗

编辑：您提供的函数没有为x=0定义好，执行时会产生RuntimeWarning。curve_fit不擅长处理NAN，在这种情况下无法拟合函数。如果你把x改成

x = np.linspace(1, 4, 100)

---

曲线拟合执行得很好。

问题非常简单-由于

x

数组中的第一个值是0，因此您将取0的日志，它等于

-inf

：

x = np.linspace(0, 4, 100)
p0 = np.array([2, 0.5, 1])

print(func(x, *p0).min())
# -inf

---

问题很简单-因为

x

数组中的第一个值是0，所以您使用的日志是0，它等于

-inf

：

x = np.linspace(0, 4, 100)
p0 = np.array([2, 0.5, 1])

print(func(x, *p0).min())
# -inf

---

一种可能性是，您正在获取0或负数的日志。很难说，因为你还没有告诉我们什么是

func

，我们只知道它包含

np.log

。@ali\m在编辑中添加了func。我以为我一直都在那里；对此很抱歉。一种可能是您的日志为0或负数。很难说，因为你还没有告诉我们什么是

func

，我们只知道它包含

np.log

。@ali\m在编辑中添加了func。我以为我一直都在那里；很抱歉。根据阿里的建议，已经完成了。函数的日志为0（linspace中的第一个项），这就是为什么

np.log（x+b）

func（）有效-b将其设为非零。哦。看起来你们都能在我打字的时候找到答案。根据阿里的建议，已经搞定了。函数的日志为0（linspace中的第一个项），这就是为什么

np.log（x+b）

func（）有效-b将其设为非零。哦。看起来你们都能在我输入答案的时候找到答案。是的，你们一发表评论就发现了。对不起，我第一次没有包括这个功能；我可以发誓我有。谢谢。是的，你一发表评论就抓到了。对不起，我第一次没有包括这个功能；我可以发誓我有。谢谢

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def func(x, a, b, c):
    return a * np.log(x+b) + c

def do_fitting():
    x = np.linspace(0, 4, 100)
    y = func(x, 1.1, .4, 5)
    y2 = y + 0.2 * np.random.normal(size=len(x))

    popt, pcov = curve_fit(func, x, y2, p0=np.array([2, 0.5, 1]))

    plt.figure()
    plt.plot(x, y, 'bo', label="Clean Data")
    plt.plot(x, y2, 'ko', label="Fuzzed Data")
    plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
    plt.legend()
    plt.show()

do_fitting()

x = np.linspace(1, 4, 100)

x = np.linspace(0, 4, 100)
p0 = np.array([2, 0.5, 1])

print(func(x, *p0).min())
# -inf