我在使用 Scipy 中包含的 curve_fit 函数时遇到了一点问题。这是我想要适应的功能：
def funclog(x, a, b, c, d):
return a * np.log(b * x + c) + d
我遇到的问题是我希望拟合函数在某些点上具有特定值（y(min)=0 和 y(max)=1）。如何使用 curve_fit 强制这些点？
谢谢
【问题讨论】：
在x=0、x=1 处具有特定值的拟合要求意味着参数a、b、c、d 根据两个方程组受到约束：
funclog(0, a, b, c, d) = 0, funclog(1, a, b, c, d) = 1
对于您正在考虑的funclog 的形式，您可以求解关于a 和d 的方程组，得到（唯一）解
a = 1/(-log(c) + log(b + c)) 和d=log(c)/(log(c) - log(b + c))
（假设b 和c 使得分母不等于0）。
将a 和d 的这些表达式替换为funclog 会得到一个新的拟合函数，即，
(log(c) - log(b*x + c))/(log(c) - log(b + c)),
默认情况下满足约束。 b 和c 的值可以通过curve_fit 找到。
【讨论】：
您可以尝试使用边界：
bounds = ([amin, bmin, cmin, dmin], [amax, bmax, cmax, dmax])
(or np.inf -np.inf if limes of param is in infininty)
下一个
popt1, pcov1 = curve_fit(funclog, x, y, bounds=bounds)
【讨论】：