我收到了一个优化警告:
OptimizeWarning: Covariance of the parameters could not be estimated
category=OptimizeWarning)
当我尝试使用scipy.optimize.curve_fit
将我的分段函数拟合到数据时,意味着没有进行拟合。我可以轻松地将二次曲线拟合到我的数据上,并且我正在向curve_fit
提供我认为是良好的初始参数。下面是完整的代码示例。有人知道为什么curve_fit
可能与np.piecewise
不兼容吗?还是我犯了其他错误?
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)
piecewise_linear
,但它没有起作用,因此我得出结论问题肯定出在那里。我认为这可能与np.piecewise
的某些奇怪行为有关。 - J. P. Petersenx = np.array([-3, -2, -1, 0, 1, 2, 3], dtype=np.float)
,这会直接告诉NumPy构建一个浮点数数组,而不是先构建整数数组再转换类型。 - user6655984x = np.array([-3., -2, -1, 0, 1, 2, 3])
,这会触发np将其转换为浮点数。 - J. P. Petersen