我對Scipy curve_fit的使用似乎效果不好

Question

我試圖用Scipy curve_fit將我的數據擬合成高斯。不幸的是，curve_fit返回1,1,1。

Kp4=fnamer4[615:645] 
xk=np.arange(0,1024,1)[615:645] 

def func(x, a, x0, sigma): 
return a*np.exp(-(x-x0)**2/(2*sigma**2)) 
popt, pcov = curve_fit(func, xk, Kp4) 
print (popt) 
Kp4_fit= func(xk, popt[0], popt[1], popt[2]) 
plt.plot(xk, Kp4_fit, 'r',xk, Kp4, 'bs') 

KP4等於

>>> Kp4 
array([23, 27, 20, 26, 22, 22, 26, 29, 32, 19, 34, 26, 29, 24, 32, 41, 27, 
    39, 33, 30, 30, 30, 26, 39, 30, 21, 17, 16, 17, 14]) 

打印POPT的輸出是[ 1. 1. 1.] 我以前也試過很多不同的數據curve_fit，它工作得很好。也許問題是curve_fit不能適應高斯函數的數據？！ 感謝您的幫助。

我使用的curve_fit的概念是基於一個例子，從波紋管鏈接： http://python4esac.github.io/fitting/examples1d.html

Answer 1

你要通過對POPT初始猜測，否則契合開始[1,1,1]作爲初始猜測，這對你的數據集來說很差！

下面給出了合理的結果對我來說：

popt, pcov = curve_fit(func, xk, Kp4, p0=[20,630,5]) 

初步猜測可能是[np.mean(Kp4), np.mean(xk),5*(max(xk)-min(xk))/len(xk)]，有一個總體的出發點。

不要忘記把plt.show()或類似的東西放在最後。