Question

如果我有一个函数，那么自变量是数学模型的定积分的上限。这个数学模型有我想要回归的参数。这个数学模型是非线性的，可能很复杂。

我该如何解决这个问题？
如果我的函数输出被处理，可以是curve_fit吗？

有一个简化的案例

import scipy.optimize as sp
from scipy.integrate import quad
import numpy as np
number = 100

def f(x,a,b,c):
    return 500*a*x+b*c

def curvefit(d,a,b,c):
    return quad(f,0,d,args=(a,b,c))[0]

x_linear = np.linspace(0.001,0.006,number)
y_linear = 23.33*x_linear + 0.02*(np.random.random(number)-0.5)
parameter = sp.curve_fit(curvefit,x_linear,y_linear)

x和y _linear是我编号的数字。

现在是x_linear，它是一个列表，并且是quad（）的上限。

错误显示ValueError：具有多个元素的数组的真值是不明确的。使用a.any（）或a.all（）

我知道quad（）要求上限为float。

Answer 1

错误在函数scipy.integrate.quad内引发，因为d是numpy.array而不是标量。赋给scipy.optimize.curve_fit的函数将自变量（在您的情况下为x_linear）作为第一个参数。

快速而肮脏的解决方法是修改curvefit以计算d：

中每个值的定积分

def curvefit(xs,a,b,c):
    return [quad(f,0,x,args=(a,b,c))[0] for x in xs]

scipy.optimize.curve_fit与scipy.integrate.quad的一个明确的积分函数

1 个答案: