scipy曲线拟合vs.ex

Question

我一直在尝试scipy.optimize curve_fit，并将其与excel2010中的解算器进行比较。在

虽然Python对于我最终将拥有的大数据集更好，但Excel的非线性GRG解算器在拟合参数方面似乎比curve iu fit更适合我拥有的较小的实践数据集。Excel似乎总是收敛于有理参数的猜测，曲线拟合容易偏离或停留在错误的选择上（比Excel更依赖于初始条件）。在

我的拟合函数之一是：

def f(x,a,b,c,d,e,f):
    return a/(abs(b)+x)**abs(c) + d/(abs(e)+x)**abs(f)

其中x是一个数组，a，b，c，d，e&；f是参数。在

我想知道是否有人对scipy和numpy曲线拟合的方法有什么建议，这些方法可以使用其他在有效性上与Excel相当的方法