优化curve_fit以获得输入函数

Question

所以我可以使用scipy曲线拟合来获取下面定义的函数的参数;它基本上是高斯人的差异。

def diff_of_err_func(x, amp=None, pos=None, width=None, c=0):
    '''
    :return:
    '''
    Gx = amp*0.5*sp.special.erf((x + pos)/width) - amp*0.5*sp.special.erf((x - pos)/width) - c

    return Gx

要获得结果，我使用：

popt, pcov = optimize.curve_fit(diff_of_err_func, xCoords, yValues)
Gx = diff_of_err_func(xCoords, *popt)

什么是一种智能的方法来适应这样定义的diff_of_err_func函数的任意和？，函数的数量N，也是优化的一部分？

我在任意数量的高斯上使用optimize.curve_fit搜索了示例，但我不知道如何在这种情况下将调用写入optimize.curve_fit。感谢

GT