scipy 的指数衰减只给出阶跃函数

如何解决scipy 的指数衰减只给出阶跃函数

我正在尝试对一组数据进行指数拟合：

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


def func(x,a,b,c):
    return a * np.exp(x / -b) + c


epr_data = np.loadtxt('T2_text',skiprows=1)

time = epr_data[:,1]
intensity = epr_data[:,2]


optimizedParameters,pcov = opt.curve_fit(func,time,intensity)
print(optimizedParameters)
plt.plot(time,intensity,func(time,*optimizedParameters),label="fit")

plt.show()

但我只是得到这个步骤函数和这些参数：

[1.88476367e+05 1.00000000e+00 6.49563230e+03]

“适合”的情节

以及此错误消息：

OptimizeWarning: Covariance of the parameters could not be estimated
  warnings.warn('Covariance of the parameters could not be estimated'

编辑：

https://pastebin.com/GTTGf0ed

我想用强度绘制时间和第一行

您提出建议后的图表

编辑 2：

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


def func(x,2]

c0 = np.mean(intensity[-10:])
a0 = intensity[0]-c0
th = time[np.searchsorted(-intensity+c0,-0.5*a0)]
b0 = th / np.log(2)

optimizedParameters,p0=(a0,b0,c0))
print(optimizedParameters)
plt.plot(time,label='data')
plt.plot(time,label="fit")
plt.legend()

plt.show()

解决方法

首先，修复您的 plot 函数调用。要通过一次调用绘制两条曲线，您必须为每条曲线提供 x 和 y 值：

plt.plot(time,intensity,time,func(time,*optimizedParameters),label="fit")

对于标签，调用 plot 两次可能更简单：

plt.plot(time,label="data")
plt.plot(time,label="fit")

如果我们有您的数据，解决 curve_fit 生成的警告会更容易。然而，经验表明，curve_fit 使用的参数的默认初始猜测（全为 1）很可能只是一个非常糟糕的猜测。

尝试帮助 curve_fit 为其数值优化例程提供更好的起点。以下代码显示了如何计算 a、b 和 c 的粗略猜测。使用参数 curve_fit 将这些传递给 p0=(a0,b0,c0)。

# Assume that the time series is long enough that the tail
# has flattened out to approximately random noise around c.
c0 = np.mean(intensity[-10:])

# This assumes time[0] is 0.
a0 = intensity[0] - c0

# Rough guess of the half-life.
th = time[np.searchsorted(-intensity+c0,-0.5*a0)]
b0 = th / np.log(2)