我想将随机时间序列段拟合到预定义的函数列表中。出于演示目的，我只使用正弦函数和演示时间序列。
amplitude = 1
omega = 2
phase = 0.5
offset = 4
def sine(x, a, b, c, d):
"""Sine function"""
return a*np.sin(b*x+c) + d
x = np.linspace(0,100, 1000)
parameters = [amplitude, omega, phase, offset]
demo_values = sine(x, *parameters)
正如标题中提到的，我使用scipy.optimize.curve_fit方法来尝试查找参数，如下所示：
from scipy.optimize import curve_fit
popt, err = curve_fit(f=sine, xdata=x, ydata=demo_values)
fitted = sine(x, *popt)当比较曲线拟合的参数与原始参数时，我发现它们有很大的不同。我不知道我做错了什么。
print(f"Scipy params: {popt}")
print(f"Original params: {parameters}")
>>> Scipy params: [0.02834886 1.15624779 1.8580548 4.00011998]
>>> Original params: [1, 2, 0.5, 4]
注意：正如在引言中提到的，我不想只找到正弦函数的解决方案，因为我想将这个流程扩展到其他函数。我在SO上看到使用p0变量显著提高了准确性，但我不知道如何以通用的方式进行初始猜测（对于任何曲线）。
我尝试用scipy.optimize.curve_fit函数拟合一条简单的正弦曲线，并期望库能很好地处理这一问题。不幸的是，情况并非如此。我还看到其他与我的问题相关的帖子使用了p0（初始猜测）变量，我不知道如何创建通用曲线。
1条答案
按热度按时间fgw7neuy1#
正如我在上面的评论中所写的，在拟合之前分析数据很重要。当函数是周期函数时，你不需要在不同的x值上有很多点。
分析可以指示数据是周期性的并且仅使用其一部分。