我在使用 Scipy 中包含的 curve_fit 函数时遇到了一点问题。这是我想要适合的功能:
def funclog(x, a, b, c, d):
return a * np.log(b * x + c) + d
我遇到的问题是我希望拟合函数在某些点(y(min)=0 和 y(max)=1)上具有特定值。如何使用 curve_fit 强制这些点?
谢谢
请您参考如下方法:
在 x=0、x=1 处具有特定值的拟合要求意味着参数 a、 b, c, d 根据两个方程组进行约束:
函数日志(0, a, b, c, d) = 0, 函数日志(1, a, b, c, d) = 1
对于您正在考虑的 funclog 形式,您可以针对 a 和 d 求解该方程组,得到 (独特的)解决方案
a = 1/(-log(c) + log(b + c)) 和 d=log(c)/(log(c) - log(b + c) ))
(假设 b 和 c 的分母不为零)。
替换 funclog 中 a 和 d 的这些表达式会产生一个新的拟合函数,即
(log(c) - log(b*x + c))/(log(c) - log(b + c)),
默认情况下满足约束。 b 和c 的值可以通过curve_fit 找到。
