通过def logistic_model(x, a, b, c): return c / (1 + np.exp(-(x - b) / a)) # 定义拟合函数 def fit_logistic_model(x_data, y_data): popt, pcov = curve_fit(logistic_model, x_data, y_data, maxfev=10000) return popt # 数据 t = np.arange(0, 21) y = np.array([9.0, 15.0, 25.0, 44.0, 73.0, 116.0, 179.0, 259.0, 349.0, 441.0, 513.0, 566.0, 595.0, 629.0, 641.0, 651.0, 656.0, 660.0, 662.0, 664.0, 667.0]) # 拟合传播模型 popt = fit_logistic_model(t, y)拟合出来的传播模型怎么输出
时间: 2024-03-25 12:42:02 浏览: 54
2d-logistic-regression-demo.rar_2d Logistic_2d-logistic_DEMO_Log
拟合出来的传播模型可以通过输出模型参数来表示。在这个例子中,logistic_model 函数中的参数 a、b、c 分别代表了模型的三个参数,可以通过以下方式输出:
```
print('a:', popt[0])
print('b:', popt[1])
print('c:', popt[2])
```
其中,popt 是 fit_logistic_model 函数的返回值,它是一个包含三个元素的列表,分别对应拟合出来的模型参数 a、b、c。
阅读全文