python曲线拟合为什么会失败_SciPy曲线拟合失败幂定律 - python

因此，我正在尝试使用以下幂定律来拟合一组数据：

def f(x,N,a): # Power law fit

if a >0:

return N*x**(-a)

else:

return 10.**300

par,cov = scipy.optimize.curve_fit(f,data,time,array([10**(-7),1.2]))

其他条件只是迫使a为正。使用scipy.optimize.curve_fit会产生an awful fit (green line)，对于N和a分别返回1.2e + 04和1.9e0-7的值，并且与数据绝对没有交集。根据我手动输入的拟合值，N和a的值应分别落在1e-07和1.2左右，尽管将它们放到curve_fit中是因为初始参数不会改变结果。删除条件为正的条件会导致拟合度变差，因为选择负值会导致符号斜率拟合错误。

我无法弄清楚如何从该例程中获得可信的，更不用说可靠的拟合，但是我找不到任何其他好的Python曲线拟合例程。我需要编写自己的最小二乘算法还是在这里做错了什么？

参考方案

更新

在原始帖子中，我展示了一个使用lmfit的解决方案，该解决方案允许为您的参数分配界限。从版本0.17开始，scipy还允许直接为参数分配范围(请参见documentation)。请在EDIT之后找到下面的解决方案，该解决方案有望作为有关如何使用scipy的curve_fit和参数范围的最小示例。

原始帖子

正如@Warren Weckesser所建议的那样，您可以使用lmfit完成此任务，这使您可以为参数分配范围，并避免出现这种“难看的” if子句。

由于您不提供任