我正在尝试使用scipy的curve_fit函数拟合一个倾斜和偏移的高斯曲线,但我发现在某些条件下,拟合结果相当糟糕,常常给出接近或正好是一条直线的结果。
下面的代码来自于
问题似乎出现在我将高斯函数从零点(使用
下面的代码来自于
curve_fit
文档。提供的代码是一个任意的测试数据集,但很好地展示了这个问题。import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import math as math
import scipy.special as sp
#def func(x, a, b, c):
# return a*np.exp(-b*x) + c
def func(x, sigmag, mu, alpha, c,a):
#normal distribution
normpdf = (1/(sigmag*np.sqrt(2*math.pi)))*np.exp(-(np.power((x-mu),2)/(2*np.power(sigmag,2))))
normcdf = (0.5*(1+sp.erf((alpha*((x-mu)/sigmag))/(np.sqrt(2)))))
return 2*a*normpdf*normcdf + c
x = np.linspace(0,100,100)
y = func(x, 10,30, 0,0,1)
yn = y + 0.001*np.random.normal(size=len(x))
popt, pcov = curve_fit(func, x, yn,) #p0=(9,35,0,9,1))
y_fit= func(x,popt[0],popt[1],popt[2],popt[3],popt[4])
plt.plot(x,yn)
plt.plot(x,y_fit)
问题似乎出现在我将高斯函数从零点(使用
mu
)移得太远时。我尝试过给出初始值,甚至是与我的原始函数相同的值,但这并不能解决问题。对于mu=10
的值,curve_fit
可以完美地工作,但如果我使用mu>=30
,它就不再适合数据了。