用python拟合曲线的二项分布

如何解决用python拟合曲线的二项分布

我正在尝试使此列表适合二项分布： [0、1、1、1、3、5、5、9、14、20、12、8、5、3、6、9、13、15、18、23、27、35、25、18、12 ，10、9、5、0]

我需要检索分散的参数，以便将其应用于一些我需要做的模拟。我正在使用scipy：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
from scipy.stats import binom

data = [0,1,3,5,9,14,20,12,8,6,13,15,18,23,27,35,25,10,0]

def fit_function(x,n,p):
    return binom.pmf(x,p)

num_bins = 10

params,covmat = curve_fit(fit_function,data)

但是出现以下错误：

RuntimeError Traceback（最近一次通话）在 4 5＃用curve_fit拟合 ----> 6个参数，cov_matrix = curve_fit（fit_function，10，data）

〜\ AppData \ Local \ Continuum \ anaconda3 \ envs \ py37 \ lib \ site-packages \ scipy \ optimize \ minpack.py在curve_fit（f，xdata，ydata，p0，sigma，absolute_sigma，check_finite，界限，方法，jac，** kwargs） 746费用= np.sum（infodict ['fvec'] ** 2） 747，如果不在[1、2、3、4]中： -> 748提高RuntimeError（“找不到最佳参数：” + errmsg） 749其他： 750＃如果指定，将maxfev（leastsq）重命名为max_nfev（least_squares）。

RuntimeError：找不到最佳参数：函数调用次数已达到maxfev = 600。

不管错误如何，如何使用python将该数据拟合到二项式曲线？

解决方法

看来你需要增加迭代次数maxfev，试试

params,covmat = curve_fit(fit_function,10,data,maxfev=2000)