0

我有 2 个（模拟）数据集和 2 个（实验）参考数据集。

由于模拟是以数值方式进行的，因此没有方法/功能是已知的，只有模拟数据可用。

这两个数据集共享我想通过将模拟拟合到参考数据来提取的参数。

我没有找到任何 python 功能来仅使用数据集而不是拟合函数/模型来执行这种拟合/最小化/优化。

具体来说：我有以下两个方程：

e1 = a * s1 + b * t1 + c * u1 和

e2 = a * s2 + b * t2 + c * u2 和

我想弄清楚参数a，b，c。

e1, e2 是实验性的 NxN np.arrays（可以在热图中可视化或可以视为 f(x,y) ）和

s1, s2, t1, t2, u1, u2 是包含模拟数据的 MxM np.arrays。

我希望方程（热图）的左侧和右侧尽可能相似，并考虑两个方程相似以了解 a、b、c。

使 N = M 需要付出努力，但可以做到。我知道，我必须使用两个模型，但我只知道如何将匹配的 1xN 实验和模拟数组传递给模型。

4

1 回答 1

0

我写了一个围绕 scipy 的包装器，symfit它使这种问题很简单，所以我想你可能有兴趣使用它。使用symfit你的问题，你可以写

from symfit import parameters, variables, Fit, Model

e1, e2, s1, s2, t1, t2, u1, u2 = variables('e1, e2, s1, s2, t1, t2, u1, u2')
a, b, c = parameters('a, b, c')

model = Model({
    e1: a * s1 + b * t1 + c * u1,
    e2: a * s2 + b * t2 + c * u2,
})

fit = Fit(model, u1=u1data, s1=s1data, ...)
fit_result = fit.execute()
print(fit_result)

有关更多信息，请参阅文档。祝你好运！

于 2019-08-03T16:01:32.957 回答