SciPy全局最小曲线fi

Question

我使用的是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。在

我尝试用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])

其中specf是我试图拟合的曲线。尽管p中的结果明显比curve_fit返回的最小值差，即使返回值表明达到了全局最小值（see anneal）。在

我怎样才能提高成绩？SciPy有全局曲线拟合器吗？在

Answer 1

这是一个重要的问题。你考虑过使用进化策略吗？我在ecspy（见http://code.google.com/p/ecspy/）方面取得了巨大的成功，社区规模很小，但是非常有帮助。在

Answer 2

你是对的，它只会收敛到局部最小值（当它收敛时），因为它使用Levenburg-Marquardt算法。SciPy中没有全局曲线拟合器，您必须使用existing global optimizers编写自己的曲线。但是要知道，这仍然不需要收敛到你想要的值。大多数情况下是impossible。在

提高结果的唯一方法是很好地猜测起始参数。在

Answer 3

您可能想尝试使用leastsq()（曲线拟合实际上使用了这一点，但您无法获得完整的输出）或使用ODR package代替曲线拟合。在

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

如果您需要为合身部分称重，您可以这样做：

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'])