2

我正在尝试使函数适合我的数据。我有两个不同的轴，x 轴：高度，y 轴：重量。通过目视检查，我可以看到，它或多或少地给出了在重量 = 10 附近饱和的平方根函数的形状。这就是我正在做的事情：

from scipy import optimize

fitfunc = lambda p, x: np.sqrt(p[0]* x + p[1]) +p[2] # Target function
errfunc = lambda p, x, y: fitfunc(p, x) - y

sort_idx = np.argsort(height)
height = height[sort_idx]
weight = weight[sort_idx]

p0 = [0.1, 0.2, 0.3] # initial values
p1, success = optimize.leastsq(errfunc, p0, args=(height, weight), maxfev=10000)

无论我将什么值设置为 p0，输出始终是 p1 = p0

我究竟做错了什么？

如果饱和，您认为使用不同的功能会更好吗？

提前致谢！

4

3 回答 3

3

如果体重和身高是人类的体重和身高，您的体重和身高可能会颠倒过来。除此之外，您的代码运行良好：

import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt

fitfunc = lambda p, x: np.sqrt(p[0]* x + p[1]) +p[2] # Target function
errfunc = lambda p, x, y: fitfunc(p, x) - y

height = np.random.normal(loc=1.70, scale=.15, size=(100))
bmi = np.random.normal(loc=20, scale=2, size=(100))
weight = bmi * height**2

sort_idx = np.argsort(weight)
height = height[sort_idx]
weight = weight[sort_idx]

p0 = [0.1, 0.2, 0.3] # initial values
p1, success = optimize.leastsq(errfunc, p0, args=(weight, height), maxfev=10000)

plt.plot(weight, height, 'o')
plt.plot(weight, fitfunc(p1, weight), '-')
plt.xlabel('weight')
plt.ylabel('height')
plt.show()

在此处输入图像描述

>>> p1
array([ 0.01625167, -0.32844465,  0.9256349 ])

该代码有时会发出警告，例如：

RuntimeWarning: invalid value encountered in sqrt
  fitfunc = lambda p, x: np.sqrt(p[0]* x + p[1]) +p[2] # Target function

您可能想重新定义您的fitfuncanderrfunc为

fitfunc2 = lambda p, y: ((y - p[2])**2 - p[1]) / p[0] # Target function
errfunc2 = lambda p, x, y: fitfunc2(p, y) - x

然后做：

p2, success2 = optimize.leastsq(errfunc2, p0, args=(weight, height), maxfev=10000)

绘制此图和上图会给出略有不同但可比较的结果：

在此处输入图像描述

于 2013-02-06T15:03:43.863 回答
2

谢谢你的帮助。我想我知道问题出在哪里。不知何故，sqrt 变成了负数，并给出了错误。当我取出变量以使其不能为负时，它开始起作用，即：

p[0]* np.sqrt(x + np.abs(p[1]))

它不完全相同，但它对我有用。我以前应该考虑过的。再次感谢

于 2013-02-13T10:37:12.283 回答
2

不是直接回答您的问题，但根据您提供的数据，我没有问题适合这个：

import sys
from scipy import optimize
import numpy as np
from matplotlib import pyplot as plt


height=np.array([34.75625407,126.90646855,369.02594015,321.33822843,100.89398254,119.73654933,421.4400502,98.09051003,72.61433571,626.54970675,45.97802204,741.65476066,39.13568217,67.21666378,58.44445182,31.9950751,32.74788721,168.3256637,149.57003524,1058.41323859])
weight=np.array([4.375,3.95833333,9.16666667,8.125,3.75,8.4375,7.91666667,7.5,5.,10.,6.25,7.625,5.,6.25,10.,3.75,4.375,6.66666667,6.25,8.28125])

fitfunc = lambda p, x: np.sqrt(p[0]* x + p[1]) +p[2] # Target function
errfunc = lambda p, x, y: fitfunc(p, x) - y

pp = [0.2, 0.3, 0.4]
sort_idx = np.argsort(height)
height = height[sort_idx]
weight = weight[sort_idx]

p0 = [0.2, 0.2, 0.3] # initial values
result = optimize.leastsq(errfunc, p0, args=(height, weight), maxfev=10000, full_output=1)
p1 = result[0]
print result[3]

plt.plot(height, weight, 'o')
plt.plot(height, fitfunc(p1, height), '-')
plt.show()

拟合结果

正如我在上面的代码中所做的那样，您可以做的一件事是设置full_output=1并打印您收到的消息。请注意，我的success值实际上是 2，而不是 4。所以有一些奇怪的差异。由于我们应该使用相同的数据，因此您的 scipy 设置中的某些内容可能不正确。那，或者您没有显示整个问题并且其他地方出现了问题。

看这个图，我确实看到这些值几乎分散在任何地方，所以无论如何都很难拟合（事实上，我不会！）。

于 2013-02-06T16:13:43.610 回答