4

有没有办法基于具有任意数量因变量的函数构建 lmfit 模型？例如：

from lmfit import Model

def my_poly(x, *params):
  func = 0
  for i in range(len(params)):
    func+= params[i]*z**i
  return func

#note: below does not work
my_model = Model(my_poly, independent_vars = ['x'], param_names = ['A','B','C'])

如果我对多项式级数感兴趣并且想随着级数的增长或缩小来测试性能，那么与上述类似的东西会很棒。

4

1 回答 1

4

由于Model()使用函数参数名称来构建参数名称，因此 using*params不会轻松工作（人们怎么知道调用它们A, B, C, 而不是coeff0, coeff1,coeff2或其他名称？）。

我不知道可以支持真正的任意数字，但应该可以做一个非常大的数字。多项式模型（参见http://lmfit.github.io/lmfit-py/builtin_models.html#polynomialmodel和https://github.com/lmfit/lmfit-py/blob/master/lmfit/models.py#L126用于实现）支持多达 7 个系数。将其扩展到更大的数字应该没有问题。它可能很容易导致计算问题，但我认为这是您期望探索的。

如果你愿意做一个小的改变，你可以做一些你正在寻找的事情。这使用关键字参数而不是位置参数，并依赖参数名称顺序（即 with sort）来指示哪个系数与哪个指数一起使用，而不是位置参数的顺序。这可能接近您正在寻找的内容：

import numpy as np

from lmfit import Model, Parameters

def my_poly(x, **params):
    val= 0.0
    parnames = sorted(params.keys())
    for i, pname in enumerate(parnames):
        val += params[pname]*x**i
    return val

my_model = Model(my_poly)

# Parameter names and starting values
params = Parameters()
params.add('C00', value=-10)
params.add('C01', value=  5)
params.add('C02', value=  1)
params.add('C03', value=  0)
params.add('C04', value=  0)

x = np.linspace(-20, 20, 101)
y = -30.4 + 7.8*x - 0.5*x*x + 0.03 * x**3 + 0.009*x**4
y = y + np.random.normal(size=len(y), scale=0.2)

out = my_model.fit(y, params, x=x)
print(out.fit_report())

希望有帮助。

于 2015-09-06T20:23:20.473 回答