python 拟合sigmoid曲线_Scipy-sigmoid曲线拟合

我有一些数据点，想找到一个拟合函数，我想一个累积高斯乙状窦函数会拟合，但我真的不知道如何实现这一点。

这就是我现在所拥有的：import numpy as np

import pylab

from scipy.optimize

import curve_fit

def sigmoid(x, a, b):

y = 1 / (1 + np.exp(-b*(x-a)))

return y

xdata = np.array([400, 600, 800, 1000, 1200, 1400, 1600])

ydata = np.array([0, 0, 0.13, 0.35, 0.75, 0.89, 0.91])

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

print(popt)

x = np.linspace(-1, 2000, 50)

y = sigmoid(x, *popt)

pylab.plot(xdata, ydata, 'o', label='data')

pylab.plot(x,y, label='fit')

pylab.ylim(0, 1.05)

pylab.legend(loc='best')

pylab.show()

但我得到了以下警告：.../scipy/optimize/minpack.py:779: OptimizeWarning: Covariance of the parameters could not be estimated

category=OptimizeWarning)

有人能帮忙吗？

我也愿意接受任何其他的可能性！我只需要一个曲线来拟合这些数据。