在这里,我定义了一个函数来返回任意数量的高斯分布之和:
import numpy
from numpy import *
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def GaussSum(x,*p):
n=len(p)/3
A=p[:n]
w=p[n:2*n]
c=p[2*n:3*n]
return sum([ A[i]*exp(-(x-c[i])**2./(2.*(w[i])**2.))/(2*pi*w[i]**2)**0.5 for i in range(n)])
我随后根据给定的参数生成x和y数据,并要求curve_fit使用与生成集匹配的初始参数拟合此数据。我尝试了许多不同的集合,包括单个和多个高斯分布。
params = [1.,1.,-3.]; #parameters for a single gaussian
#params=[1.,1.,1.,2.,-3.,0.]; #parameters for the sum of two gaussians
xdata=arange(-6,6,0.01)
ydata = array([GaussSum(x,*params) for x in xdata])
popt,pcov = curve_fit(GaussSum,xdata,ydata,p0=params)
print popt
print pcov
每个参数设置都会给我一个不符合的结果,尽管我已经在解决方案处开始了拟合。(在上述单高斯函数中):
[ 52.18242366 5549.66965192 15678.51803797]
inf
我知道该函数本身的运作正常,因为我已经使用它进行了绘图并验证了其有效性。