scipy curve_fit

`scipy.optimize.curve_fit`是Scipy库中的一个函数，它用于非线性拟合数据。非线性拟合是统计学和数值优化中的一个重要任务，目的是找到一条数学曲线（通常是通过一些预定义的函数模型），使之最好地匹配给定的数据点。这个函数接受两个主要参数：

1. **callable function** (函数对象)：你要拟合的模型函数，通常是一个用户自定义的函数，需要能够接收数据的一系列x值并返回对应的y值。

2. **data points (x, y)**：要拟合的数据，包括x轴数据（独立变量）和y轴数据（因变量）。

`curve_fit`会尝试调整模型函数中的参数，使得函数通过数据点的误差平方和最小化，返回的是拟合函数的最佳参数估计以及相关的统计信息。此外，它还提供了一个可选的`p0`参数，即初始猜测的参数值；如果数据拟合有多个自由度，还可以设置`bounds`或`constraints`来指定参数的取值范围。

使用示例：

from scipy.optimize import curve_fit
import numpy as np

def model_function(x, a, b):
    return a * x + b

# 假设我们有一些数据点
x_data = np.array([1, 2, 3, 4, 5])
y_data = np.array([2, 3.9, 7.1, 12, 16.1])

# 使用curve_fit进行拟合
params, _ = curve_fit(model_function, x_data, y_data)

print("拟合后的参数:", params)