Ошибка нелинейной регрессии Python с использованием curve_fit - PullRequest
Новая
       78

Ошибка нелинейной регрессии Python с использованием curve_fit

0 голосов
/ 11 декабря 2018

Я пытаюсь получить 3 неизвестных параметра функции, используя scipy.optimize.curve_fit.Я взял пример кода из документации Scipy, найденной здесь: https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html

Я использую простые данные и нанесу их на график: 

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

xdata = np.array([4.2, 8.5, 10.3, 17.2, 20.7, 38.2, 75.6, 850, 1550])     
ydata = np.array([83.3, 53.3, 44.8, 32.6, 28.1, 19.5, 11.5, 5.7, 5.3]) 

plt.plot(xdata, ydata, 'b-', label='data')

И это функция и остальная часть кода:

def func(x, a, b, c):
    return x*(a*(1-m.exp(-b/x))+c*m.exp(-b/x))-x*c

popt, pcov = curve_fit(func, xdata, ydata)
popt

plt.plot(xdata, func(xdata, *popt), 'r-',
         label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))
popt, pcov = curve_fit(func, xdata, ydata, bounds=(0, [3., 1., 0.5]))
popt

plt.plot(xdata, func(xdata, *popt), 'g--',
         label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))

plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()

Я получаю ошибку ниже.

TypeError: Cannot cast array data from dtype('O') to dtype('float64') according to the rule 'safe'

И после всех подробностей ошибки:

error: Result from function call is not a proper array of floats.

Я попробовал xdata = np.array( ... , dtype='float64'), и попробовал все решения, предложенные на этомпоток без успеха: Невозможно преобразовать данные массива из dtype ('O') в dtype ('float64')

Какие-либо советы и идеи, чтобы заставить эту регрессию работать?

1 Ответ

0 голосов
/ 12 декабря 2018

Этот код выполняется для меня без ошибок ( примечание: Я изменил m.exp на np.exp): 

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

xdata = np.array([4.2, 8.5, 10.3, 17.2, 20.7, 38.2, 75.6, 850, 1550])     
ydata = np.array([83.3, 53.3, 44.8, 32.6, 28.1, 19.5, 11.5, 5.7, 5.3]) 
fig, ax = plt.subplots()
ax.plot(xdata, ydata, 'b-', label='data')
def func(x, a, b, c):
    return x*(a*(1-np.exp(-b/x))+c*np.exp(-b/x))-x*c

popt, pcov = curve_fit(func, xdata, ydata)

plt.plot(xdata, func(xdata, *popt), 'r-',
         label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))

popt, pcov = curve_fit(func, xdata, ydata, bounds=(0, [3., 1., 0.5]))

ax.plot(xdata, func(xdata, *popt), 'g--',
         label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.legend()
plt.show()

Несмотря на плохое соответствие:

Bad fit

Я использую Python 3.5.4: 

matplotlib                2.2.0
numpy                     1.14.2
scipy                     1.0.0
...