雙指數函數

待擬合曲線為 y(x) = bepx + ceqx

import matplotlib.pyplot as plt

x = ([0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5,

0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95, 1.0])

y = ([0.33, 0.26, 0.18, 0.16, 0.12, 0.09, 0.08, 0.07, 0.06, 0.06,

0.06, 0.07, 0.09, 0.1, 0.15, 0.19, 0.25, 0.36, 0.47, 0.68])

plt.scatter(x, y)

plt.show()

擬合

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

def double_exp(x, b, c, p, q):

x = np.array(x)

return b*np.exp(p*x) + c*np.exp(q*x)

x = ([0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5,

0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95, 1.0])

y = ([0.33, 0.26, 0.18, 0.16, 0.12, 0.09, 0.08, 0.07, 0.06, 0.06,

0.06, 0.07, 0.09, 0.1, 0.15, 0.19, 0.25, 0.36, 0.47, 0.68])

popt, pcov = curve_fit(double_exp, x, y, [1, 1, 1, 1])

print(popt)

b = popt[0]

c = popt[1]

p = popt[2]

q = popt[3]

y_fit = double_exp(x, b, c, p, q)

plt.scatter(x, y)

plt.plot(x, y_fit, color='red', linewidth=1.0)

plt.show()

numpy 庫，實現列表轉矩陣，得以進行數學運算。matplotlib.pyplot 庫，繪制圖像。scipy.optimize 庫，curve_fit() 函數，使用非線性最小二乘法擬合曲線。curve_fit()popt，擬合結果，在這里指b, c, p, q 的值。povc，該擬合結果對應的協方差。

擬合結果參數原函數擬合結果誤差b0.00110.00110c0.42000.42420.42%p6.39986.49881.55%q-5.1551-5.21641.19%

誤差可以滿意。

經過測試，如果將初始參數設置為原函數參數(保留 4 位小數)，擬合得到的結果并未發生變化。

經過測試，擬合使用的三種方法，"trf"，"lm" 和 "dogbox" 對該函數擬合結果影響微乎其微。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持我們。

總結

以上是生活随笔為你收集整理的python函数拟合编程_Python应用实现双指数函数及拟合代码实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。