curve_fit的文档：https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html

注意：拟合分布是 已知分布，拟合参数！

官方教程

"""拟合任意分布"""
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as npdef func(x, a, b, c):  # 用来拟合的方程return a * np.exp(-b * x) + cdef get_xy():xdata: np.ndarray = np.linspace(0, 4, 50)  # x值y = func(xdata, 2.5, 1.3, 0.5)rng = np.random.default_rng()y_noise = 0.2 * rng.normal(size=xdata.size)ydata: np.ndarray = y + y_noise  # 拟合的数据 yreturn xdata, ydataif __name__ == '__main__':x_value, y_value = get_xy()popt, pcov = curve_fit(func, x_value, y_value)# 绘图plt.plot(x_value, y_value, 'b-', label='data')plt.plot(x_value, func(x_value, *popt), 'r-',label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))# 这个写法是加一个限制：0 <= a <= 3, 0 <= b <= 1 and 0 <= c <= 0.5popt_2, pcov_2 = curve_fit(func, x_value, y_value, bounds=([0, 0, 0.5], [3., 1., 1]))plt.plot(x_value, func(x_value, *popt_2), 'g--',label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt_2))plt.xlabel('x')plt.ylabel('y')plt.legend()plt.show()

简易的用法

更换

from scipy.optimize import curve_fit
import numpy as npdef func(x, a, b, c):  # 用来拟合的方程return a * np.exp(-b * x) + cdef get_xy():xdata: np.ndarray = np.linspace(0, 4, 50)  # x值y = func(xdata, 2.5, 1.3, 0.5)rng = np.random.default_rng()y_noise = 0.2 * rng.normal(size=xdata.size)ydata: np.ndarray = y + y_noise  # 拟合的数据 yreturn xdata, ydataif __name__ == '__main__':x_value, y_value = get_xy()popt, pcov = curve_fit(func, x_value, y_value)  # 拟合分布y_pred = func(x_value, *popt)  # 预测结果

python使用curve_fit拟合任意分布相关推荐

python 求 gamma 分布_用（python）Scipy拟合gamma分布
我对ss.gamma.rvs函数不满意,因为它可以生成负数,这是gamma分布不应该有的.所以我通过期望值=平均值(data)和方差=var(data)对样本进行了拟合(详见维基百科),并编写了一个函 ...
python 高斯函数拟合_在python中拟合任意高斯函数，消耗大量内存
我试图(在python中)将一系列任意数量的高斯函数(由一个仍在改进的简单算法确定)拟合到一个数据集.对于我当前的样本数据集,我有174个高斯函数.我有一个进行拟合的过程,但基本上是复杂的猜测和检查, ...
使用Python进行数据拟合
使用Python进行数据拟合文章目录使用Python进行数据拟合多项式拟合非多项式拟合多项式拟合任何一个函数都可以拆分成近似于这个函数的多项式表达. 多项式拟合需要用到的函数是numpy库 ...
高斯模型混合模型–理论上可以拟合任意概率密度分布
高斯混合模型给定变量 xxx 的有限个观测数据 x1,x2,x3,⋯,xnx_1,x_2,x_3,\cdots,x_nx1,x2,x3,⋯,xn,对变量 xxx 的概率分布 p(x)p( ...
chatgpt赋能python：Python实现直线拟合及求斜率
Python实现直线拟合及求斜率什么是直线拟合直线拟合是一种数据处理方法,将一组数据点拟合成一条直线的形式,以求出其中的规律性关系,从而更好地理解数据点之间的相关性. 直线拟合的应用场景直线拟合 ...
boost::python模块实现使用任意 Python 序列创建 ndarray 的示例
boost::python模块实现使用任意 Python 序列创建 ndarray 的示例实现功能 C++实现代码实现功能 boost::python模块实现使用任意 Python 序列创建 nd ...
l2正则化python_机器学习入门之机器学习之路： python线性回归过拟合 L1与L2正则化...
本文主要向大家介绍了机器学习入门之机器学习之路: python线性回归过拟合 L1与L2正则化,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助. 正则化: 提高模型在未知数据上的 ...
Python总结:保留小数点任意位round函数不够精确
QUESTION:Python总结:保留小数点任意位round函数不够精确 ANWSER: 目录 QUESTION:Python总结:保留小数点任意位round函数不够精确 ANWSER: 一:使用r ...
【python】——数据分布拟合工具包fitter
1.安装 pip(3) install fitter 2.例子 # 数据生成 from scipy import stats data = stats.gamma.rvs(2, loc=1.5, sc ...

python使用curve_fit拟合任意分布

官方教程

简易的用法

python使用curve_fit拟合任意分布相关推荐

最新文章

热门文章