Question

我有一个问题，即当尝试曲线拟合时，python如何评估x的数组的形式（f1（x），f2（x））的向量函数。

import numpy as np
from scipy.optimize import curve_fit

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

ydata = np.array([[1,2],[3,4],[5,6],[7,8]],dtype=float)
xdata=np.array([1,2,3,4], dtype=float)
popt,pcov = curve_fit(func, xdata, ydata)

给出＆＃34; ValueError：操作数不能与形状（2,4）（4,2）和＃34;一起广播。转置要拟合的数据：

ydata=np.array([[1,2],[3,4],[5,6],[7,8]],dtype=float).transpose()

给出＆＃34; TypeError：输入不正确：N = 3不得超过M = 2＆＃34;，因为现在我的函数值少于参数。好的，我知道为什么我不能做到这一点。所以我需要转置函数值：

def func(x,a,b,c):
    return np.array([a*x**b+c,a*x**b+c+1]).transpose()

这给了我＆＃34;函数调用的结果不是一个正确的浮点数。＆＃34;

如何从这样的问题中获得解决方案？在数学上，如果数据适合模型，则应该很好地确定。

Answer 1

curve_fit期望func返回1D数组，因此output应该是flattend。在这种情况下，您应该将ydata.T.ravel()提供给curve_fit以获得func(x,a,b,c)元素的正确顺序。

import numpy as np
from scipy.optimize import curve_fit

def func(x,a,b,c):
    output = np.array([a*(x**b)+c,a*(x**b)+c+1])
    return output.ravel()

ydata = np.array([[1,2],[3,4],[5,6],[7,8]],dtype=float)
xdata=np.array([1,2,3,4], dtype=float)
popt,pcov = curve_fit(func, xdata, ydata.T.ravel())
# print (popt)
# [ 2.,  1., -1.]

测试结果，

func(xdata,*popt).reshape(-1,len(xdata)).T
#  [[ 1.,  2.],
#   [ 3.,  4.],
#   [ 5.,  6.],
#   [ 7.,  8.]]

如何为scipy的curve_fit

1 个答案: