尽管x0在范围内，Scipy优化仍会引发ValueError

Question

我试着把一条sigmoid曲线拟合到一小部分点上，基本上是从一组观测数据中生成一条概率曲线。我使用的是scipy.optimize.curve_fit，它有一个稍微修改过的logistic函数（以便完全绑定到[0,1]）。目前，我在dogbox方法和一个精确的tr_解算器方面取得了最大的成功。在

当我尝试运行代码时，对于某些数据点，它将引发：

ValueError: `x0` violates bound constraints.

在更新到最新版本的numpy/scipy（numpy 1.17.0，scipy 1.3.1）之前，我没有遇到这个问题（使用相同的代码和数据），所以我认为这是这次更新的结果（我不能降级，因为我需要的其他库需要这些版本）

我在一个大型数据集（N~15000）上运行这个程序，对于非常具体的值，曲线拟合失败，声称初始猜测超出了限制条件。事实并非如此，甚至在提供的示例中的曲线拟合之前通过print语句快速检查也证实了这一点。在

一开始我认为这是一个小精度的错误，一个这么小的值被认为是越界的，但是稍微改变它或者提供一个新的，任意数量的类似大小不会导致值错误。另外，其他失败的值也有~1e-10那么大，所以我假设它一定是别的东西。在

这里有一个我每次都失败的例子：

^{pr2}$

下面是具体的错误堆栈，上面的一切调用后都要进行曲线拟合。在

File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\minpack.py", line 763, in curve_fit
  **kwargs)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_lsq\least_squares.py", line 927, in least_squares
  tr_solver, tr_options, verbose)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_lsq\dogbox.py", line 310, in dogbox
  J = jac(x, f)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_lsq\least_squares.py", line 874, in jac_wrapped
  kwargs=kwargs, sparsity=jac_sparsity)
File "C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\scipy\optimize\_numdiff.py", line 362, in approx_derivative
  raise ValueError("`x0` violates bound constraints.")
ValueError: `x0` violates bound constraints.

如果有人知道是什么原因造成的，我将非常感谢你的帮助！我做了一些搜索，没有找到任何可能与这个场景有关的答案，所以我决定打开这个问题。谢谢！在

编辑9/9/19： np.__version__是1.17.2，sp.__version__是1.3.1，当我最初发布这篇文章时，我在numpy 1.17.0上，但是升级并没有解决这个问题。我在64位Windows10上的Python3.6.6上运行这个。在

如果我改变第二个或第四个+/-np.inf公司（或者两者都更改），那么代码实际上就完成了——但是我仍然不确定x0是如何无效的（我仍然需要将拟合限制在这些值上）