如何解决是否有一种在scipy.optimize.curve_fit中优化p0的好方法？
我正在尝试使用曲线拟合来拟合某些温度，该温度看起来像是将正弦函数添加到线性函数中。我最初的预测还差得很远，我相信这是因为我需要调整p0，但是我想知道是否有一种很好的方法可以对p0进行初始猜测，或者它只是无休止的猜测和检验。另外，如果有更好的方法来获得回归线，请告诉我！ 谢谢！
解决方法
这不是算法。这一切都取决于模型和数据。例如，如果存在正弦曲线，则对周期的粗略猜测（例如，从最大值之间的距离开始）会很长，等等。
,y（x）= a + p x + b sin（w x）+ c cos（w x）
具有5个可调参数：w，a，p，b，c。
这是非线性回归的问题。解决该问题的常用方法包括从参数的猜测值开始进行迭代演算。
论文https://fr.scribd.com/doc/14674814/Regressions-et-equations-integrales中介绍了一种非常规方法（非迭代方法，不需要初始值）。
理论第47-48页。实际应用和数值示例pp.49-53。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
