python - SciPy 全局最小曲线拟合

Question

我正在使用scipy.optimize.curve_fit，但我怀疑它正在收敛到局部最小值而不是全局最小值。

我尝试通过以下方式使用模拟退火：

def fit(params):
 return np.sum((ydata - specf(xdata,*params))**2)

p = scipy.optimize.anneal(fit,[1000,1E-10])

specf我要拟合的曲线在哪里。尽管返回值表明已达到全局最小值，但结果p显然比返回的最小值更差（请参阅 anneal）。curve_fit

我怎样才能改善结果？SciPy 中是否有全局曲线拟合器？

Answer 1

你是对的，它只收敛到局部最小值（当它收敛时），因为它使用了 Levenburg-Marquardt 算法。SciPy 中没有全局曲线拟合器，您必须使用现有的全局优化器编写自己的。但请注意，这仍然不必收敛到您想要的值。在大多数情况下这是不可能的。

改善结果的唯一方法是很好地猜测起始参数。

Answer 2

您可能想尝试使用leastsq()（curve_fit 实际上使用它，但您没有得到完整的输出）或ODR 包而不是curve_fit。

leastsq() 的完整输出为您提供了更多信息，例如卡方值（如果您想将其用作快速而肮脏的拟合优度测试）。

如果您需要加重合身度，您可以这样：

fitfunc = lambda p,x: p[0]+ p[1]*exp(-x)
errfunc = lambda p, x, y, xerr: (y-fitfunc(p,x))/xerr
out = leastsq(errfunc, pinit, args=(x,y, xerr), full_output=1)
chisq=sum(infodict['fvec']*infodict['fvec'])

Answer 3

这是一个不平凡的问题。您是否考虑过使用进化策略？我在 ecspy 上取得了巨大的成功（参见http://code.google.com/p/ecspy/），社区很小但很有帮助。