使用SciPy的curve_fit與分段函數

我得到一個優化的警告：使用SciPy的curve_fit與分段函數

OptimizeWarning: Covariance of the parameters could not be estimated 
       category=OptimizeWarning)

嘗試使用scipy.optimize.curve_fit適合我的分段函數，以我的數據的時候。意思是沒有合適的事情發生我可以很容易地將拋物線適用於我的數據，並且我提供了curve_fit，我覺得它是很好的初始參數。下面的完整代碼示例。有誰知道爲什麼curve_fit可能不會與np.piecewise相處？還是我犯了另一個錯誤？

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


def piecewise_linear(x, x0, y0, k1, k2): 
    y = np.piecewise(x, [x < x0, x >= x0], 
        [lambda x:k1*x + y0-k1*x0, lambda x:k2*x + y0-k2*x0]) 
    return y 

def parabola(x, a, b): 
    y = a * x**2 + b 
    return y 

x = np.array([-3, -2, -1, 0, 1, 2, 3]) 
y = np.array([9.15, 5.68, 2.32, 0.00, 2.05, 5.29, 8.62]) 


popt_piecewise, pcov = curve_fit(piecewise_linear, x, y, p0=[0.1, 0.1, -5, 5]) 
popt_parabola, pcov = curve_fit(parabola, x, y, p0=[1, 1]) 

new_x = np.linspace(x.min(), x.max(), 61) 


fig, ax = plt.subplots() 

ax.plot(x, y, 'o', ls='') 
ax.plot(new_x, piecewise_linear(new_x, *popt_piecewise)) 
ax.plot(new_x, parabola(new_x, *popt_parabola)) 

ax.set_xlim(-4, 4) 
ax.set_ylim(-2, 16)

來源

2017-01-13 lanery

它與類型的問題，你必須更改以下行，使x給出花車：

x = np.array([-3, -2, -1, 0, 1, 2, 3]).astype(np.float)

否則piecewise_linear將可能最終鑄造類型。

只是要在安全方面，你也可以做出初步點浮在這裏：

popt_piecewise, pcov = curve_fit(piecewise_linear, x, y, p0=[0.1, 0.1, -5., 5.])

來源

2017-01-13 20:36:48

如何過你得出這樣的結論？ –

我試圖用給定的數據點評估'piecewise_linear'，並且它不工作，所以我總結出問題必須在某處。我認爲它與'np.piecewise'的一些奇怪行爲有關。 –

我嘗試了一些相同的東西，完全錯過了。很好！ –

爲了完整起見，我會指出，擬合分段線性函數不需要np.piecewise：任何此類功能可以用絕對值構造，對於每個彎曲使用np.abs(x-x0)的倍數。下面產生了良好的數據擬合：

def pl(x, x0, a, b, c): 
    y = a*np.abs(x-x0) + b*x + c 
    return y 

popt_pl, pcov = curve_fit(pl, x, y, p0=[0, 0, 0, 0]) 

print(pl(x, *popt_pl))

輸出接近原來的y值：

[ 8.90899998 5.828  2.74700002 -0.33399996 2.03499998 5.32 
    8.60500002]

來源

2017-01-13 20:54:40 FTP

使用SciPy的curve_fit與分段函數

回答

相關問題