Я пытаюсь преобразовать некоторый код Matlab, который у меня есть для кривой, подходящей для моих данных, в код Python, но у меня возникают проблемы с получением аналогичных ответов. Данные:
x = array([ 0. , 12.5 , 24.5 , 37.75, 54. , 70.25, 87.5 ,
108.5 , 129.5 , 150.5 , 171.5 , 193.75, 233.75, 273.75])
y = array([-8.79182857, -5.56347794, -5.45683824, -4.30737662, -1.4394612 ,
-1.58047016, -0.93225927, -0.6719836 , -0.45977157, -0.37622436,
-0.56115757, -0.3038559 , -0.26594558, -0.26496367])
Код Матлаба:
function [estimates, model] = curvefit(xdata, ydata)
% fits data to the curve y(x)=A-B*e(-lambda*x)
start_point = rand(1,3);
model =@efun;
options = optimset('Display','off','TolFun',1e-16,'TolX',1e-16);
estimates = fminsearch(model, start_point,options);
% expfun accepts curve parameters as inputs, and outputs sse,
% the sum of squares error for A -B* exp(-lambda * xdata) - ydata,
% and the FittedCurve.
function [sse,FittedCurve] = efun(v)
A=v(1);
B=v(2);
lambda=v(3);
FittedCurve =A - B*exp(-lambda*xdata);
ErrorVector=FittedCurve-ydata;
sse = sum(ErrorVector .^2);
end
end
err = Inf;
numattempts = 100;
for k=1:numattempts
[intermed,model]=curvefit(x, y));
[thiserr,thismodel]=model(intermed);
if thiserr<err
err = thiserr;
coeffs = intermed;
ymodel = thismodel;
end
и до сих пор в Python у меня есть:
import numpy as np
from pandas import Series, DataFrame
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
from scipy.optimize import curve_fit
import pickle
def fitFunc(A, B, k, t):
return A - B*np.exp(-k*t)
init_vals = np.random.rand(1,3)
fitParams, fitCovariances = curve_fit(fitFunc, y, x], p0=init_vals)
Я думаю, что мне нужно что-то сделать с запуском 100 попыток на p0, но кривая сходится только примерно в 1/10 раза, и она сходится к прямой линии, далеко от значения, которое я получаю в Matlab. Кроме того, в большинстве вопросов, касающихся подгонки кривой, которые я видел, используется Bnp.exp(-kt) + A, но экспоненциальная формула, которую я привел выше, - это та, которую я должен использовать для этих данных. есть идеи? Спасибо за ваше время!