Я пытаюсь приспособить сигмовидную функцию к некоторым имеющимся у меня данным, но продолжаю получать: ValueError: Unable to determine number of fit parameters.
Мои данные выглядят так:
Мой код:
from scipy.optimize import curve_fit
def sigmoid(x):
return (1/(1+np.exp(-x)))
popt, pcov = curve_fit(sigmoid, xdata, ydata, method='dogbox')
Тогда я получаю:
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-5-78540a3a23df> in <module>
2 return (1/(1+np.exp(-x)))
3
----> 4 popt, pcov = curve_fit(sigmoid, xdata, ydata, method='dogbox')
~\Anaconda3\lib\site-packages\scipy\optimize\minpack.py in curve_fit(f, xdata, ydata, p0, sigma, absolute_sigma, check_finite, bounds, method, jac, **kwargs)
685 args, varargs, varkw, defaults = _getargspec(f)
686 if len(args) < 2:
--> 687 raise ValueError("Unable to determine number of fit parameters.")
688 n = len(args) - 1
689 else:
ValueError: Unable to determine number of fit parameters.
Я не уверен, почему это не работает, это кажется тривиальнымдействие -> подогнать кривую к некоторой точке.Желаемая кривая будет выглядеть так:
Извините за графику .. Я сделал это в PowerPoint ...
Какя могу найти лучшую сигмовидную кривую (форма S)?
ОБНОВЛЕНИЕ
Благодаря @Brenlla я изменил свой код на:
def sigmoid(k,x,x0):
return (1 / (1 + np.exp(-k*(x-x0))))
popt, pcov = curve_fit(sigmoid, xdata, ydata, method='dogbox')
Теперь я не получаю ошибку, но кривая не соответствует желаемому:
x = np.linspace(0, 1600, 1000)
y = sigmoid(x, *popt)
plt.plot(xdata, ydata, 'o', label='data')
plt.plot(x,y, label='fit')
plt.ylim(0, 1.3)
plt.legend(loc='best')
и результат:
Как я могу улучшить его, чтобы он лучше соответствовал данным?
ОБНОВЛЕНИЕ2
Код теперь:
def sigmoid(x, L,x0, k, b):
y = L / (1 + np.exp(-k*(x-x0)))+b
Но результат все еще ...
UPDATE3
После большой помощи от @Brenlla theКод был изменен на:
def sigmoid(x, L ,x0, k, b):
y = L / (1 + np.exp(-k*(x-x0)))+b
return (y)
p0 = [max(ydata), np.median(xdata),1,min(ydata)] # this is an mandatory initial guess
popt, pcov = curve_fit(sigmoid, xdata, ydata,p0, method='dogbox')
И результат:
