我只是拟合一个线性函数到一些数据，但遇到了curve_fit中默认初始值设置为1的问题。因此，我希望更改初始值，但代码必须非常通用，因为我希望将其应用于不同的y变量。所以我将截距值设置为前20个数据点的平均值，因为这应该非常接近最佳答案（我的x值偏移到0附近）。但是我使斜率为0，因为对于不同的变量，可能有任何符号关系，或者没有。
然而，在我的示例中，斜率为零，curve_fit不会改变此斜率-而是更改截距以最佳拟合数据，把它从它应该在的地方拉开。当值被改变为非零但仍然很小时，这种行为不会改变-在示例中，0.01和0.001具有相同的效果。当它不改变参数时，它会给出“无法估计参数的协方差”警告。
这些数据都是float 64，所以它与之前讨论的here问题没有直接关系。
我不确定这是否是最好的分享方式，但我已经上传了Dropbox here上的数据。下面的代码沿着这些数据应该重现这个问题。我的scipy是版本1.11.3。
感谢任何关于为什么会发生这种情况的想法！

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import pickle

def fit1(x, alpha, beta_t):
    yhat = alpha + beta_t*x
    return yhat

with open('example_data.pkl', 'rb') as handle:
    xs, ys = pickle.load(handle)
    
plt.plot(xs, ys, color='blue')

for guess in [0, 0.001, 0.01, 0.1, 1, 10]:
        
    init_guess = np.zeros(2)
    init_guess[0] = np.mean(ys[:20])
    init_guess[1] = guess
    params, _ = curve_fit(fit1, xs, ys, p0=init_guess)
    
    plt.plot(xs, fit1(xs, *params), label=f'init_guess[1] = {init_guess[1]}')

plt.legend()

字符串
x1c 0d1x的数据