python中的scipy curvefit曲線擬合

Question

我正在嘗試做一些曲線擬合。我有一個測量曲線，我相信這將是我的Y數據，我試圖用一些其他曲線的加權和進行擬合，我相信這些曲線是我的X數據。

我最近試圖做到這一點的嘗試如下，但我有幾個錯誤，我決定詢問是否有人能幫助指出我做錯了什麼？

import numpy as np 
import scipy.optimize 

ydata = np.array([1.0, 7.0, 4.0]) 
xdata = np.array([[0.0, 1.0],[3.5, 0.0],[1.0, 2.0]]) 

def fitfunc(xdata, *params): 
    ctx = 0.0 
    for n in np.nditer(c): 
     ctx = c[n]*xdata[:,n] + ctx 
    return ctx 

# initial guesses for fitting parameters, answer for this simple example is 2.0, 1.0 
c = np.array([0.6, 0.3]) 

# fit data using SciPy's Levenberg-Marquart method 
nlfit, nlpcov = scipy.optimize.curve_fit(fitfunc, xdata, ydata, p0=[c], sigma=None) 

print(nlfit) 

道歉，因爲無疑將是錯誤無處不在這一點，但我希望我的什麼，我試圖完成描述清楚

預先感謝您

Answer 1

1. fitfunc環路過來的參數的c，但n實際上是c的值，而不是指數。它試圖運行例如ctx = c[0.6]*xdata[:,0.6] + ctx。
2. fitfunc使用固定的全局c，而不是curve_fit傳遞給它的參數。它應該參考params，而不是c。

你想要什麼，而不是爲

def fitfunc(xdata, *params): 
    ctx = 0.0 
    for n in range(len(params)): 
     ctx = params[n]*xdata[:,n] + ctx 
    return ctx 

我們可以看到，它的工作原理是通過自身運行它與print(fitfunc(xdata, *c))，返回[ 0.3 2.1 1.2]。

請注意，*c在print(fitfunc(xdata, *c))中取c的元素，並將它們作爲單獨的參數傳遞，而不是作爲單個數組傳遞。這相當於編寫了fitfunc(xdata, c[0], c[1])。

正如Stelios在評論中指出的，這是矩陣乘法，xdata[:,0] * c[0] + xdata[:,1] * c[1]。您可以使用np.matmul，這可能更快，如下所示：

def fitfunc(xdata, *params): 
    return np.matmul(xdata, params)