38

我想做一个对数拟合。但我不断收到运行时错误：

未找到最佳参数：函数调用次数已达到 maxfev = 1000

我使用以下脚本。谁能告诉我哪里出错了？我使用 Spyder 仍然是初学者。

import math
import matplotlib as mpl
from scipy.optimize import curve_fit
import numpy as np

#data
F1=[735.0,696.0,690.0,683.0,680.0,678.0,679.0,675.0,671.0,669.0,668.0,664.0,664.0]
t1=[1,90000.0,178200.0,421200.0,505800.0,592200.0,768600.0,1036800.0,1371600.0,1630800.0,1715400.0,2345400.0,2409012.0]

F1n=np.array(F1)
t1n=np.array(t1)

plt.plot(t1,F1,'ro',label="original data")

# curvefit
def func(t,a,b):
    return a+b*np.log(t)

t=np.linspace(0,3600*24*28,13)

popt, pcov = curve_fit(func, t, F1n, maxfev=1000)    

plt.plot(t, func(t, *popt), label="Fitted Curve")

plt.legend(loc='upper left')
plt.show()
4

4 回答 4

26

西皮的

     curve_fit()

使用迭代来搜索最佳参数。如果迭代次数超过了默认的800次，但是仍然没有找到最优参数，那么就会出现这个错误。

    Optimal parameters not found: Number of calls to function has reached maxfev = 800

您可以为curve_fit() 提供一些初始猜测参数，然后再试一次。或者，您可以增加允许的迭代次数。或者两者都做！

这是一个例子：

    popt, pcov = curve_fit(exponenial_func, x, y, p0=[1,0,1], maxfev=5000)

p0 是猜测

maxfev 是最大迭代次数

您还可以尝试设置边界，这将有助于函数找到解决方案。但是，您不能同时设置边界和 max_nfev。

    popt, pcov = curve_fit(exponenial_func, x, y, p0=[1,0,1], bounds=(1,3))

来源1：https ://github.com/scipy/scipy/issues/6340

Source2：我自己测试发现关于github的不是100%准确

此外，关于不使用 0 作为“x”值的其他建议也是很好的建议。以 1 开始您的“x”数组，以避免除以零错误。

于 2019-06-13T05:05:27.030 回答
21

您的原始数据是t1和F1。因此curve_fit应该t1作为它的第二个参数给出，而不是 t.

popt, pcov = curve_fit(func, t1, F1, maxfev=1000)

现在，一旦您获得拟合参数 ，您就可以在 中的点popt进行评估以获得拟合曲线：funct

t = np.linspace(1, 3600 * 24 * 28, 13)
plt.plot(t, func(t, *popt), label="Fitted Curve")

（我从t（根据 StuGrey 的回答）中删除了零以避免Warning: divide by zero encountered in log.)

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

# data
F1 = np.array([
    735.0, 696.0, 690.0, 683.0, 680.0, 678.0, 679.0, 675.0, 671.0, 669.0, 668.0,
    664.0, 664.0])
t1 = np.array([
    1, 90000.0, 178200.0, 421200.0, 505800.0, 592200.0, 768600.0, 1036800.0,
    1371600.0, 1630800.0, 1715400.0, 2345400.0, 2409012.0])

plt.plot(t1, F1, 'ro', label="original data")

# curvefit

def func(t, a, b):
    return a + b * np.log(t)

popt, pcov = optimize.curve_fit(func, t1, F1, maxfev=1000)
t = np.linspace(1, 3600 * 24 * 28, 13)
plt.plot(t, func(t, *popt), label="Fitted Curve")
plt.legend(loc='upper left')
plt.show()

在此处输入图像描述

于 2013-04-05T12:37:29.743 回答
3

Curve_fit()使用迭代来搜索最佳参数。如果迭代次数超过了设定的 1000 次，但仍然没有最优参数，那么就会出现这个错误。您可以为 提供一些初始猜测参数curve_fit()，然后重试。

于 2019-01-13T19:00:15.177 回答
2

修复导入语句后：

#import matplotlib as mpl
import matplotlib.pyplot as plt

您的代码产生了以下错误：

RuntimeWarning: divide by zero encountered in log

改变：

#t=np.linspace(0,3600*24*28,13)
t=np.linspace(1,3600*24*28,13)

产生以下输出：

在此处输入图像描述

于 2013-04-05T11:27:41.003 回答