Curve_Fit的结果为关闭

Question

我正在尝试使用非线性参数估计从论文中复制一些结果，但是问题是，当我使用curve_fit时，我得到的只是一个1的数组，而不是接近结果的任何东西我应该得到。

我提供了一个最低限度的工作示例，以说明我所得到的，然后是实际结果：

import pandas as pd
import numpy as np
from scipy.optimize import curve_fit

xdata = np.array([0.00, 27.01,84.15,134.66,178.74,217.00,250.20,279.06,304.24, 
                  326.29,346.71,362.87,378.13,391.75,403.96,414.96])

ydata = np.array([0.00,440.00,933.00,1154.00,1226.00,1222.00,1185.00,
                 1134.00,1081.00,1031.00,984.00,942.00,904.00,870.00,840.00,814.00])

# Non-Linear Estimation Function
def func(V,A,d):
    return A*V*exp(-1*d*V)

popt, pcov = curve_fit(func,xdata,ydata)

popt
array([1., 1.])

我应该得到的实际结果如下：

param = estimate (standard err)
A = 17.6 (0.132)
d = 5.27 x 10^-3 (2.61 x 10^-5)

Answer 1

Scipy; s curve_fit（）例程将所有1.0值用于初始参数估计（如果未提供任何值）。如果curve_fit（）无法对初始参数估计值进行任何改进，它将仅返回它们-这就是为什么您获得所有参数值的“拟合”值的原因。这是一个图形化的Python拟合器，其中包含您的数据和方程式，它使用scipy的differential_evolution遗传算法模块为非线性拟合器提供初始参数估计。该scipy模块使用Latin Hypercube算法来确保对参数空间进行彻底搜索，这需要在搜索范围内进行搜索。在此示例中，这些界限是从数据的最大值和最小值导出的。请注意，为参数提供范围