我有一些資料點，我想對該曲線擬合一個自定義方程。這些資料如下：
20.5 -632.8475722
-19.5 -633.3214772[/span
-18.5-646.6016049
-17.5-683.4637841
-16.5-649.8121364
-15.5-616.4297769
-14.5-609.9639983
-13.5-534.5818772
-12.5 -532.2347152[/span
-11.5 -452.9222271
-10.5-427.6525318
-9.5 -380.3710984[/span]。
-8.5 -322.5516672[/span]。
-7.5 -294.1208624[/span
-6.5-222.1675481
-5.5-202.2179342
-4.5 -165.122709[/span
-3.5 -134.827559[/span
-2.5 -88.25392126[/span
-1.5 -66.0446787[/span
-0.5 -52.03853651[/span
0.5 -35.01795243[/span
1.5 -18.27307888[/span
2.5 4.200002613[/span
3.5 31.46742774[/span
4.5 65.02174186[/span
5.5 113.4098161[/span
6.5 132.8355363[/span
7.5 115.0080076[/span
8.5 124.3832919[/span
在我看來，這像是一個sigmoidal型別的函式，但我無法找到正確的自定義型別的方程來適應資料。我已經嘗試了下面的方法，但它錯過了上面的數值。我可以使用哪種型別的方程？
謝謝你
uj5u.com熱心網友回復：
簡單的線性擬合（藍色）比你的邏輯擬合（青色）要好：
這是由于模型y(x)=a / (1 exp(b * x) c)
對于這個模型，y(x)在大x時趨向于0，這與資料不一致。顯然，對于大的x，y(x)是大于0的。
代替三引數Logistic函式，嘗試四引數Logistic函式：y(x) = K a / ( 1 exp(b * x) c)
此外，點的形狀使人想到雙Logistic y(x) = K a / (1 exp(b * x) c) A / (1 exp(B * x) C)，但太多的引數使非線性擬合程序變得困難。
或者在雙Logistic函式的等效形式上（用不同的符號書寫） :
盡管如此，我還是同意Cris Luengo對主要問題的大部分評論
。轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/309702.html
標籤：