使用强力和科学优化
brute-curvefit的Python项目详细描述
这是一个简单的脚本,它尝试使用scipy.optimize.curve\u fit曲线拟合以及对参数空间的参数搜索。 它首先生成ntol随机模型,然后选择ntol*returnnfactor最佳模型scipy.optimize.curve U拟合所有的人。然后它会返回所有模型中的最佳模型。 这个脚本改进了scipy.optimize.curve U拟合有两种方法-不需要给出初始值,从而得到全局最小值而不是局部最小值。第二,它自动规范化和标准化数据。在
未来:
- 并行化
- 用遗传算法代替暴力
使用示例: 将brute_curvefit作为bf导入 将numpy作为np导入 进口matplotlib.pyplot作为plt 定义你的函数(x,A,B,C): 返回(x-A)/B+C
参数,错误=布鲁-邱-斯皮比男朋友(func=yourfunc,x)=np.arange公司(100),y=np.arange公司(100)**2,限制=[[-1000,-1000,-1000],[100010001000]]) plt.绘图(np.arange公司(100),np.arange公司(100)**2)#绘制数据 plt.绘图(np.arange公司(100),你的功能(np.arange公司(100),*params))#绘制拟合函数 表演() #就这么简单
- 项目
标签: