【发布时间】：2015-03-04 00:28:46
【问题描述】：
我的问题很简单。但我对我应该选择适合数据的形式感到困惑。我正在使用 scipy.optimize 进行拟合。我有如图所示形式的数据：
哪种形式最适合此类数据？ （例如抛物线、多项式、双曲线、幂等）
【问题讨论】：
标签： plot scipy curve-fitting
【发布时间】：2015-03-04 00:28:46
【问题描述】：
我会尝试双曲 x^(-n)+c 或对数 a*ln(x)。
通常，当您考虑数据的来源时，您会很好地猜测合适的拟合函数。 还要考虑 0 和无穷大的限制。考虑当您的数据接近这些限制时应该定性地做什么（例如，它会达到 +/- 无穷大吗？它会接近一个固定值等），并相应地选择您的拟合函数。
【讨论】：
如果您不确定数据的性质，一般方法是使用多项式进行拟合。否则，可以绘制下面的数量，如果其中任何一个产生一条直线，那将是这种拟合的最佳形式，
-
1/y(x)在线性尺度上：双曲函数 -
y(x)log-log规模：幂律 -
y(x)在semilogx标度上：对数函数
【讨论】：