首页 文章

使用scipy curve_fit获取可变数量的参数

提问于
浏览 次
3

我有一个拟合函数，其形式如下：

def fit_func(x_data, a, b, c, N)

其中a，b，c是lenth N的列表，其中每个条目是要在scipy.optimize.curve_fit（）中优化的变量参数，N是用于循环索引控制的固定数字 .

关于this question我想我能够修复N，但我现在正在调用curve_fit，如下所示：

params_0 = [a_init, b_init, c_init]
popt, pcov = curve_fit(lambda x, a, b, c: fit_func(x, a, b, c, N), x_data, y_data, p0=params_0)

我收到一个错误：lambda（）接受完全Q参数（P给出）

Q和P的变化取决于我的设置方式 .

所以：对于初学者来说，这甚至是可能的吗？我可以将列表作为参数传递给curve_fit并具有我希望的行为，其中它将列表元素视为单个参数吗？假设答案是肯定的，我的函数调用错误了吗？

python-2.7 scipy curve-fitting

1 回答

  • 3

    这里的解决方案是编写一个包装函数，它接受您的参数列表并将其转换为fit函数理解的变量 . 这实际上只是必要的，因为我正在使用其他人的代码，在更直接的应用程序中，这将在没有包装层的情况下工作 . 基本上

    def wrapper_fit_func(x, N, *args):
    a, b, c = list(args[0][:N]), list(args[0][N:2*N]), list(args[0][2*N:3*N])
    return fit_func(x, a, b, c, N)

    要修复N，你必须在curve_fit中调用它，如下所示：

    popt, pcov = curve_fit(lambda x, *params_0: wrapper_fit_func(x, N, params_0), x, y, p0=params_0)

    哪里

    params_0 = [a_1, ..., a_N, b_1, ..., b_N, c_1, ..., c_N]
    回复于

相关问题