scipy.curve_fit 的 sigma

`scipy.curve_fit` 函数的 `sigma` 参数用于指定每个数据点的权重。它是一个与数据点数量相同的一数组，用于控制拟合过程中每个数据点的相对重要性。

如果没有提供 `sigma` 参数，默认情况下，所有数据点被视为具有相等的权重。

当某些数据点比其他数据点更可靠或更准确时，可以使用 `sigma` 参数为它们赋予更高的权重。较高的权重意味着拟合过程更加关注这些数据点，因此对拟合结果的影响更大。

`sigma` 参数的使用方式如下：

import numpy as np
from scipy.optimize import curve_fit

# 定义要拟合的函数
def func(x, a, b, c):
    return a * np.exp(-b * x) + c

# 准备数据
x = np.linspace(0, 10, 100)
y = func(x, 2.5, 1.3, 0.5)

# 添加噪声
np.random.seed(0)
y_noise = 0.2 * np.random.normal(size=x.size)
ydata = y + y_noise

# 定义权重
sigma = np.ones_like(ydata)  # 所有数据点权重相等
sigma[20:40] = 2  # 指定一部分数据点权重较高

# 拟合曲线
popt, pcov = curve_fit(func, x, ydata, sigma=sigma)

在上面的示例中，我们为一部分数据点（索引为20到40）分配了较高的权重，使其对拟合结果的影响更大。