SciPy 全局最小曲线拟合答案

【问题标题】：SciPy global minimum curve fitSciPy 全局最小曲线拟合
【发布时间】：2011-07-20 05:41:14
【问题描述】：

我正在使用scipy.optimize.curve_fit，但我怀疑它正在收敛到局部最小值而不是全局最小值。

我尝试通过以下方式使用模拟退火：

def fit(params):
 return np.sum((ydata - specf(xdata,*params))**2)

p = scipy.optimize.anneal(fit,[1000,1E-10])

specf 是我想要拟合的曲线。尽管返回值表明已达到全局最小值 (see anneal)，但 p 中的结果明显低于 curve_fit 返回的最小值。

如何改进结果？ SciPy 中有全局曲线拟合器吗？

【问题讨论】：

标签： python scipy scientific-computing curve-fitting simulated-annealing

【解决方案1】：

您是对的，因为它使用 Levenburg-Marquardt 算法，所以它只会收敛到局部最小值（当它收敛时）。 SciPy 中没有全局曲线拟合器，您必须使用 existing global optimizers 编写您自己的。但请注意，这仍然不必收敛到您想要的值。大多数情况下是impossible。

改善结果的唯一方法是很好地猜测起始参数。

【讨论】：

感谢您的回答。我意识到全局优化的麻烦，但我猜测（希望）这个轮廓的表现相对较好。我使用 L2 范数来衡量适应度的方法是否正确？

【解决方案2】：

您可能想尝试使用leastsq()（curve_fit 实际上使用它，但您没有得到完整的输出）或ODR package 而不是curve_fit。

leastsq() 的完整输出为您提供了更多信息，例如卡方值（如果您想将其用作快速而肮脏的拟合优度测试）。

如果您需要调整合身度，您可以这样：

fitfunc = lambda p,x: p[0]+ p[1]*exp(-x)
errfunc = lambda p, x, y, xerr: (y-fitfunc(p,x))/xerr
out = leastsq(errfunc, pinit, args=(x,y, xerr), full_output=1)
chisq=sum(infodict['fvec']*infodict['fvec'])

【讨论】：

【解决方案3】：

这是一个不平凡的问题。您是否考虑过使用进化策略？我在 ecspy 上取得了巨大的成功（请参阅 http://code.google.com/p/ecspy/），社区虽小但很有帮助。

【讨论】：