Python使用curve_fit拟合sigmoid曲线后已知x求对应y值
拟合完成后计算指定x对应y值的操作方法
直接复用你之前定义的sigmoid函数,代入curve_fit返回的最优参数就能计算,不需要额外编写新逻辑。
参数对应规则
curve_fit返回的popt数组,顺序和你定义的sigmoid函数的参数顺序(除了自变量x之外)完全一一对应。结合你拿到的popt输出,各参数的固定取值为:
- sigmoid幅值L:96.74093921
- 中点横坐标x0:12.83580801
- 曲线陡度系数k:0.56406601
- 下渐近线偏移b:3.2468077
具体计算步骤
- 直接将popt数组拆解为对应的四个参数
- 把目标x值传入原sigmoid函数,搭配拆解后的参数,即可输出对应位置的y值
示例代码:
# 从拟合结果中拆解参数 L, x0, k, b = popt # 计算x=20位置的对应y值 x_val = 20 y_val = sigmoid(x_val, L, x0, k, b) print(f"x={x_val}对应的曲线y值为:{y_val:.4f}")
你案例中的实际计算结果
代入数值运算后,x=20对应的曲线y值约为98.3165,已经非常接近这条拟合sigmoid曲线上渐近线的收敛值。
补充说明
- 如果需要批量计算多个x值对应的y值,直接把x值组成numpy数组传入函数即可,无需手动写循环,numpy的运算机制支持向量化批量计算,运行效率更高
- 计算单点y值时不需要用到
pcov协方差矩阵,这个矩阵的作用是计算拟合参数的标准误差、推导拟合区间的置信度,和普通的点值计算无关
内容的提问来源于stack exchange,提问作者Clauric
相关产品推荐
相关产品推荐

