我对scipy非常陌生,现在我很难通过做一些小实验来使用函数in scipy.optimize
。你知道吗
我试图通过找到误差最小的参数来拟合sin函数。你知道吗
使用的函数是fmin_cobyla
代码如下:
import matplotlib.pyplot as plt
from scipy.optimize import fmin_cobyla
from scipy.optimize import fmin_slsqp
from scipy.optimize import leastsq
import numpy as np
from sympy import *
noise = np.random.randn(100)
def func_model(x, para):
''' Model: y = a*sin(2*k*pi*x+theta)'''
a, k, theta = para
return a*np.sin(2*k*np.pi*x+theta)
def func_noise(x, para):
a, k, theta = para
return a*np.sin(2*k*np.pi*x+theta) + noise
def func_error(para_guess):
'''error_func'''
x_seq = np.linspace(-2*np.pi, 0, 100)
para_fact = [10, 0.34, np.pi/6]
data = func_noise(x_seq, para_fact)
error_value = data - func_model(x_seq, para_guess)
return error_value
# 1<a<15 0<k<1 0<theta<pi/2
constraints = [lambda x: 15 - x[0], lambda x: x[0]- 1, \
lambda x: 1 - x[1], lambda x: x[1], \
lambda x: np.pi/2 - x[2], lambda x: x[2]]
para_guess_init = np.array([7, 0.2, 0])
solution = fmin_cobyla(func_error, para_guess_init, constraints)
print(solution) # supposed to be like [10, 0.34, np.pi/6]
xx = np.linspace(-2*np.pi, 0, 100)
plt.plot(xx, func_model(xx, [10, 0.34, np.pi/6]), label="raw")
plt.plot(xx, func_noise(xx, [10, 0.34, np.pi/6]), label="with noise")
plt.plot(xx, func_model(xx, solution), label="fitted")
plt.legend()
plt.show()
跑步之后我得到了结果
溶液=[1.6655938 0.59868667 0.0731335]
这肯定不是正确答案
有人能帮我吗。提前谢谢。。你知道吗
这里有两件事情看起来显然是错误的:首先,每次调用目标函数时,你都在改变噪声,所以你的优化就是试图击中一个移动的目标。在调用
fmin_cobyla
之前设置模拟数据:此外,您的
func_error
应该返回模型和每个点的数据之间的差值,而不是平方和差值:你仍然会发现
fmin_cobyla
努力寻找约束最小值。。。一些预处理,以更好地估计相位或频率的初始猜测可能会对您有所帮助。你知道吗相关问题 更多 >
编程相关推荐