如何使用Python对3个点精确拟合logistic类S型曲线(仅允许用numpy)
解法思路
我们选择带缩放平移的logistic函数,利用两个边界点先做值的归一化,仅保留一个斜率参数k,再通过中间点的约束求解k,全程不需要第三方拟合库,仅用numpy即可实现。
步骤说明
- 先对x、y做归一化处理,将边界点
(xb, yb)映射为(0, 0),(xt, yt)映射为(1, 1),得到中间点对应的归一化坐标(um, vm) - 构造归一化后的logistic函数,天然满足两个边界点的取值要求,仅剩下斜率参数
k待求解 - 用二分法求解满足中间点约束的
k值,实现三点精确拟合
代码实现
import numpy as np def sigmoid(x): # 对输入做截断防止指数运算溢出 x = np.clip(x, -500, 500) return 1 / (1 + np.exp(-x)) def fit_3point_logistic(xb, yb, xm, ym, xt, yt): x_range = xt - xb y_range = yt - yb # 计算中间点的归一化坐标 um = (xm - xb) / x_range vm = (ym - yb) / y_range # 特殊情况处理:三点共线时k取极小值等效为线性函数 if abs(vm - um) < 1e-9: k = 1e-9 else: # 定义求根方程:计算得到的归一化v值和实际vm的偏差 def equation(k): c_min = sigmoid(-k * 0.5) c_max = sigmoid(k * 0.5) v_calc = (sigmoid(k * (um - 0.5)) - c_min) / (c_max - c_min) return v_calc - vm # 二分法求解k,迭代100次精度足够覆盖所有常规场景 low, high = -20, 20 for _ in range(100): mid = (low + high) / 2 val = equation(mid) if abs(val) < 1e-9: break if val * equation(low) < 0: high = mid else: low = mid k = mid # 返回拟合完成的logistic函数 def logistic(x): u = (x - xb) / x_range c_min = sigmoid(-k * 0.5) c_max = sigmoid(k * 0.5) v = (sigmoid(k * (u - 0.5)) - c_min) / (c_max - c_min) return yb + v * y_range return logistic
测试验证
用你给出的示例点(0,0)、(0.5,0.5)、(1,1)测试:
fitted_logistic = fit_3point_logistic(xb=0, yb=0, xm=0.5, ym=0.5, xt=1, yt=1) print(fitted_logistic(0)) # 输出 ≈ 0.0 print(fitted_logistic(0.5)) # 输出 ≈ 0.5 print(fitted_logistic(1)) # 输出 ≈ 1.0
三个点都可以实现精确拟合,误差在1e-9量级以内。
内容的提问来源于stack exchange,提问作者Julian_Orteil
相关产品推荐
相关产品推荐

