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)
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! –