Question

我正在尝试拟合一个函数，它将输入2个独立变量x，y和3个参数作为输入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!!!!!

但是我得到了错误：＆＃34; func（）正好接受5个参数（51个给定）＆＃34;。怎么能正确地传递我的论证x，y？

Answer 1

只需查看documentation of scipy.optimize.curve_fit()即可。原型是

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

调用文档状态curve_fit()，目标函数作为第一个参数，独立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论点。您试图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。具体来说，您将zn作为p0参数传递 - 这就是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：可调用的    模型函数f(x, ...)。它必须将自变量作为第一个参数，并将参数作为单独的剩余参数。

xdata：N - 长度序列或(k,N)形阵列   对于具有k个预测变量的函数。测量数据的自变量。

您尝试使用来分隔因变量的参数，而它应该是一个参数数组。这是修复的代码：

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)

Answer 2

尝试将前两个数组参数作为元组传递给func并修改func以接受参数元组

通常情况下，curvefit会接受x和y参数func(x)作为拟合曲线的输入。奇怪的是，在您的示例中，由于x参数不是单个值而是两个值（不确定原因），您必须修改函数，使其接受x作为单个参数并在其中展开。

一般来说，三维曲线拟合应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，该帖子尝试使用线条拟合三维散点图。

>>> 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)

将参数传递给函数进行拟合

2 个答案: