我有一些数据点,想找到一个拟合函数,我想累积高斯 sigmoid 函数会适合,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()
但我收到以下警告:
.../scipy/optimize/minpack.py:779: OptimizeWarning: 无法估计参数的协方差
类别=优化警告)
有人可以帮忙吗?
我也愿意接受任何其他可能性!我只需要以任何方式拟合该数据的曲线。