SciPy全局最小曲线拟合

如何解决SciPy全局最小曲线拟合

| 我正在使用

scipy.optimize.curve_fit

，但我怀疑它收敛到局部最小值，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

是我要拟合的曲线。尽管返回值表明已达到全局最小值，但

p

中的结果显然比

curve_fit

返回的最小值差（请参阅退火）。 如何改善结果？ SciPy中是否有全局曲线拟合器？     

解决方法

没错，由于它使用Levenburg-Marquardt算法，因此只会收敛到局部最小值（收敛时）。 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曲线。但是请注意，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。     ,您可能想尝试使用minimumsq（）（curve_fit实际上使用了此方法，但没有获得完整的输出）或ODR包而不是curve_fit。 minimumsq（）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）。 如果您需要权衡合适的身材，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,xerr),full_output=1)
chisq=sum(infodict[\'fvec\']*infodict[\'fvec\'])

    ,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方面取得了巨大的成功（请参阅http://code.google.com/p/ecspy/），社区虽小，但非常有帮助。