Scipy curve_fit拟合大数据集正弦波时异常输出水平线的问题咨询

• 算法的固有局限：optimize.curve_fit 默认采用Levenberg-Marquardt梯度优化求解最小二乘损失，而正弦函数的拟合损失属于高度非凸的函数，存在大量局部极小值——其中最容易被误触发的就是振幅趋近于0的平凡局部极小值，对应的输出就是贴合数据均值的水平直线。
• 初始参数的量级偏差过大：你设置的初始猜测p0=[-80, 3, 0, 260]中，角频率参数b的猜测值3和真实值0.01相差整整300倍。当b取3时，在x范围0~2500内，正弦函数的自变量会覆盖7500弧度（超过1200个完整振荡周期），这种高频振荡的拟合曲线和实际数据的残差水平，和a=0的水平直线几乎没有差异，优化过程会直接跌入a→0的局部极小值，根本没有动力继续往真实的正弦参数方向收敛。
• 大样本的放大效应：2500个采样点的残差累加，会进一步强化这种坏局部极小值的梯度指向，让算法更难逃逸到全局最优的正弦拟合结果上。这不是“样本太多导致拟合失效”，只是初始参数的严重偏差被大样本的梯度效应放大了而已。

小样本场景能正常拟合的逻辑：小样本x范围仅-5~5，就算初始b存在小偏差，正弦振荡的总周期数很少，残差梯度不会直接导向a→0的坏极小值，自然能得到正确结果。

完全不需要更换非最小二乘拟合方法，也不需要刻意缩减参与拟合的样本量，只需要针对非凸优化的特性调整参数初始化逻辑即可，操作步骤如下：

• 利用数据本身的统计特性生成靠谱的初始猜测，避免凭空硬猜：
  • 直流分量d的初始值直接取np.mean(y_data)，也就是数据的整体均值，和真实值几乎无偏差；
  • 振幅a的初始值可以用np.sqrt(2) * np.std(y_data)快速估算——因为标准正弦信号的方差为a²/2，这个值能快速匹配振幅的正确量级；
  • 角频率b的初始值不要硬猜，对y数据做简单FFT找主振荡峰值，就能直接得到和真实值同量级的频率值，换算为角频率b=2*pi*f即可，从根源上避免b的量级偏差。
• 给优化器加上参数取值边界，把参数范围圈定在合理区间：通过bounds参数传入每个参数的允许范围，避免优化过程跑到离谱的参数位置。比如本案例中可以设置边界为([-200, 0.0001, -np.pi, 200], [200, 0.1, np.pi, 300])，就算初始值有小偏差，也不会让b跑到3这种完全不符合数据量级的位置。
• 修正本案例中的错误初始值：你当前使用的p0=[-80, 3, 0, 260]的b值偏差过大，只要把b调整到0.01附近的量级，比如p0=[-100, 0.01, 1, 250]，不管样本量多大，都能正常收敛到正确的正弦拟合结果。

• 水平直线的拟合结果从来不是大样本导致的：哪怕用小样本集，只要给的初始b值和真实值差两个数量级以上，一样会收敛到a→0的水平直线。
• 缩减样本量只是通过降低振荡周期数，减少坏局部极小值的梯度吸引力，属于治标不治本的操作，正确的参数初始化才是一劳永逸的解决方式。

内容的提问来源于stack exchange，提问作者xyhlon