未找到最佳参数:对函数的调用数达到maxfev = 1000
我想做一件可爱的衣服。但是我一直得到一个运行时错误：
未找到最佳参数:对函数的调用数达到maxfev = 1000
我使用以下脚本。有人能告诉我哪里出了问题吗？我使用Spyder和am仍然是一个初学者。
import math
import matplotlib as mpl
from scipy.optimize import curve_fit
import numpy as np
#data
F1=[735.0,696.0,690.0,683.0,680.0,678.0,679.0,675.0,671.0,669.0,668.0,664.0,664.0]
t1=[1,90000.0,178200.0,421200.0,505800.0,592200.0,768600.0,1036800.0,1371600.0,1630800.0,1715400.0,2345400.0,2409012.0]
F1n=np.array(F1)
t1n=np.array(t1)
plt.plot(t1,F1,'ro',label="original data")
# curvefit
def func(t,a,b):
return a+b*np.log(t)
t=np.linspace(0,3600*24*28,13)
popt, pcov = curve_fit(func, t, F1n, maxfev=1000)
plt.plot(t, func(t, *popt), label="Fitted Curve")
plt.legend(loc='upper left')
plt.show()回答 4
Stack Overflow用户
发布于 2019-06-13 05:05:27
西皮氏
curve_fit() 使用迭代来搜索最优参数。如果迭代次数超过默认的800次，但仍未找到最优参数，则会引发此错误。
Optimal parameters not found: Number of calls to function has reached maxfev = 800您可以为curve_fit()提供一些初始猜测参数，然后再试一次。或者，您可以增加允许的迭代。或者两者都做！
下面是一个示例：
popt, pcov = curve_fit(exponenial_func, x, y, p0=[1,0,1], maxfev=5000)p0是猜测
maxfev是最大的迭代次数。
您也可以尝试设置边界，这将有助于函数找到解决方案。但是，不能同时设置边界和max_nfev。
popt, pcov = curve_fit(exponenial_func, x, y, p0=[1,0,1], bounds=(1,3))Source1：https://github.com/scipy/scipy/issues/6340
Source2:我自己的测试和发现关于github的不是100%的准确
另外，关于不使用0作为'x‘值的其他建议也是很好的建议。使用1启动'x‘数组，以避免被零错误除以。
Stack Overflow用户
发布于 2013-04-05 12:37:29
您的原始数据是t1和F1。因此，curve_fit应该被赋予t1作为其第二个参数，而不是 t。
popt, pcov = curve_fit(func, t1, F1, maxfev=1000)现在，一旦您获得了拟合的参数，popt，您就可以在t中的点处计算func，以获得一个拟合的曲线：
t = np.linspace(1, 3600 * 24 * 28, 13)
plt.plot(t, func(t, *popt), label="Fitted Curve")(为了避免使用t，我从Warning: divide by zero encountered in log中删除了0 (per StuGrey的答案)。
import matplotlib.pyplot as plt
import scipy.optimize as optimize
import numpy as np
# data
F1 = np.array([
735.0, 696.0, 690.0, 683.0, 680.0, 678.0, 679.0, 675.0, 671.0, 669.0, 668.0,
664.0, 664.0])
t1 = np.array([
1, 90000.0, 178200.0, 421200.0, 505800.0, 592200.0, 768600.0, 1036800.0,
1371600.0, 1630800.0, 1715400.0, 2345400.0, 2409012.0])
plt.plot(t1, F1, 'ro', label="original data")
# curvefit
def func(t, a, b):
return a + b * np.log(t)
popt, pcov = optimize.curve_fit(func, t1, F1, maxfev=1000)
t = np.linspace(1, 3600 * 24 * 28, 13)
plt.plot(t, func(t, *popt), label="Fitted Curve")
plt.legend(loc='upper left')
plt.show()
Stack Overflow用户
发布于 2019-01-13 19:00:15
Curve_fit()使用迭代来搜索最优参数。如果迭代次数超过设定的1000次，但最优参数仍然不可用，则会引发此错误。您可以为curve_fit()提供一些初始猜测参数，然后再试一次。
https://stackoverflow.com/questions/15831763
复制相似问题
腾讯云开发者
