是否有一种在scipy.optimize.curve_fit中优化p0的好方法?

问题描述

我正在尝试使用曲线拟合来拟合某些温度,该温度看起来像是将正弦函数添加到线性函数中。我最初的预测还差得很远,我相信这是因为我需要调整p0,但是我想知道是否有一种很好的方法可以对p0进行初始猜测,或者它只是无休止的猜测和检验。另外,如果有更好的方法来获得回归线,请告诉我! 谢谢!

解决方法

这不是算法。这一切都取决于模型和数据。例如,如果存在正弦曲线,则对周期的粗略猜测(例如,从最大值之间的距离开始)会很长,等等。

,

y(x)= a + p x + b sin(w x)+ c cos(w x)

具有5个可调参数:w,a,p,b,c。

这是非线性回归的问题。解决该问题的常用方法包括从参数的猜测值开始进行迭代演算。

论文https://fr.scribd.com/doc/14674814/Regressions-et-equations-integrales中介绍了一种非常规方法(非迭代方法,不需要初始值)。

理论第47-48页。实际应用和数值示例pp.49-53。