我有一组 x 和 y 数据,我试图将它们拟合为以下形式的方程:
其中 a 和 b 是我要求解的参数。
我将我的拟合函数定义如下:
def 模型(x,a,b):
x = x[...,np.newaxis]
f = np.sum(a*(x**2*b**2)/(1+x**2*b**2), 轴 = -1)
返回 f
但由于 a 和 b 是值数组,我不确定如何使用 numpy.curve_fit
这是我到目前为止写的:
popt,pcov = curve_fit(lambda x,*params: model(x,a0,b0),
x_data,y_data)
其中 a0
和 b0
是包含 19 个元素的猜测一维数组(与我的数据点集的维度相同)。
代码仅输出一个包含 19 个元素的一维数组,我需要 2 个一维数组,一个用于 a 和 b。
有什么建议吗?
x_data = np.array([2.46e-3,4.59e-3,7.46e-3,
1.23e-2,2.20e-2,3.38e-2,7.76e-2,
1.33e-1,2.78e-1,6.74e-1,
1.44e0,3.40e0,8.14e0,
1.72e1,3.94e1,8.68e1,
2.55e2,7.62e2,2.03e3])
y_data = np.array([1.18e1,3.70e1,7.13e1,
1.30e2,2.61e2,4.19e2,9.14e2,
1.55e3,2.91e3,5.36e3,8.60e3,
1.40e4,2.28e4,3.32e4,4.69e4,6.46e4,9.52e4,
1.35e5,1.73e5])
def model(x,a,b):
x = x[...,np.newaxis]
f = np.sum(a*(x**2*b**2)/(1+x**2*b**2), axis = -1)
return f
a0 = np.ones(19)
b0 = np.ones(19)
popt,pcov = curve_fit(lambda x,*params: fit(x,a0,b0),x_data,y_data)
print(popt)
最佳答案
此解决方案可能还有改进的余地,但您可能要考虑为您的解决方案使用 scipy.optimize.minimize
:
import numpy as np
from scipy.optimize import minimize
import matplotlib.pyplot as plt
x_data = np.array([2.46e-3,4.59e-3,7.46e-3,
1.23e-2,2.20e-2,3.38e-2,7.76e-2,
1.33e-1,2.78e-1,6.74e-1,
1.44e0,3.40e0,8.14e0,
1.72e1,3.94e1,8.68e1,
2.55e2,7.62e2,2.03e3])
y_data = np.array([1.18e1,3.70e1,7.13e1,
1.30e2,2.61e2,4.19e2,9.14e2,
1.55e3,2.91e3,5.36e3,8.60e3,
1.40e4,2.28e4,3.32e4,4.69e4,6.46e4,9.52e4,
1.35e5,1.73e5])
def model(x,a,b):
x = x[...,np.newaxis]
f = np.sum(a*np.exp(-x/b),axis = -1)
return f
a0 = np.ones(19)
b0 = np.ones(19)
coefs = np.vstack([a0,b0])
def objectiveFunction(coefs,x,y):
a = coefs[:19]
b = coefs[19:]
modeled = model(x_data,a,b)
sse = np.sum((y_data-modeled)**2)
return sse
solution = minimize(objectiveFunction,coefs,args=(x_data,y_data))
model_coef_opt = solution.x
x_test = np.linspace(0,3000,1000)
a_opt = model_coef_opt[:19]
b_opt = model_coef_opt[19:]
plt.scatter(x_data,y_data)
plt.plot(x_test,model(x_test,a_opt,b_opt))
关于python-3.x - 在具有求和项的函数上使用 numpy.curve_fit,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53054645/