3

我正在尝试拟合一个函数，该函数将 2 个自变量 x、y 和 3 个参数作为输入，以找到 a、b、c。这是我的测试代码：

import numpy as np
from scipy.optimize import curve_fit

def func(x,y, a, b, c):
    return a*np.exp(-b*(x+y)) + c    

y= x = np.linspace(0,4,50)
z = func(x,y, 2.5, 1.3, 0.5) #works ok
#generate data to be fitted
zn = z + 0.2*np.random.normal(size=len(x))
popt, pcov = curve_fit(func, x,y, zn) #<--------Problem here!!!!!

但我收到错误消息：“func() 正好需要 5 个参数（给定 51 个）”。如何正确传递我的论点 x,y？

4

2 回答 2

7

只需查看文档即可。scipy.optimize.curve_fit()原型是

scipy.optimize.curve_fit(f, xdata, ydata, p0=None, sigma=None, **kw)

文档状态curve_fit()被调用，目标函数作为第一个参数，自变量作为第二个参数，因变量作为第三个参数，参数的起始值作为第四个参数。您尝试以完全不同的方式调用该函数，因此它不起作用也就不足为奇了。zn具体来说，您是作为参数传递的p0——这就是为什么使用这么多参数调用函数的原因。

该文档还描述了如何调用目标函数：

f：可调用
模型函数，f(x, ...)。它必须将自变量作为第一个参数，并将要拟合的参数作为单独的剩余参数。

xdata：具有 k 个预测变量的函数的N长度序列或(k,N)形状数组
。测量数据的自变量。

您尝试使用来分隔因变量的参数，而它应该是单个参数数组。这是固定的代码：

def func(x, a, b, c):
    return a * np.exp(-b * (x[0] + x[1])) + c    

N = 50
x = np.linspace(0,4,50)
x = numpy.array([x, x])          # Combine your `x` and `y` to a single
                                 # (2, N)-array
z = func(x, 2.5, 1.3, 0.5)
zn = z + 0.2 * np.random.normal(size=x.shape[1])
popt, pcov = curve_fit(func, x, zn)
于 2012-04-15T17:35:55.733 回答
0

尝试将前两个数组参数func作为元组传递并修改func以接受参数元组

通常预计curvefit将接受 x 和 y 参数func(x)作为输入以拟合曲线。奇怪的是，在您的示例中，因为您的 x 参数不是单个值，而是两个值（不知道为什么），您必须修改您的函数，以便它接受x作为单个参数并在其中扩展它。

一般来说，三维曲线拟合应该以与您尝试实现的方式不同的方式处理。您可以查看以下SO帖子，该帖子试图用一条线拟合三维散点图。

>>> def func((x,y), a, b, c):
    return a*np.exp(-b*(x+y)) + c

>>> y= x = np.linspace(0,4,50)
>>> z = func((x,y), 2.5, 1.3, 0.5) #works ok
>>> zn = z + 0.2*np.random.normal(size=len(x))
>>> popt, pcov = curve_fit(func, (x,y), zn)
于 2012-04-15T17:08:38.047 回答