将列表列表作为输入传递给scipy.optimize.curve_fit

Question

我正在尝试使用python和curve_fit函数解决示例营销组合模型问题。

我需要调整两组参数，并将它们作为* arg列表添加到函数中。我可以使曲线适合一组参数（一个列表），而不是两个。

代码

#import packages
from scipy.optimize import curve_fit
import pandas as pd
import numpy as np
from statsmodels.tsa.filters.filtertools import recursive_filter as rec

数据集

a = np.array(0).repeat(150)
b = np.array(0).repeat(150)
c = np.array(0).repeat(150)
a[0:90] = np.random.uniform(5,10,(90,))
b[50:150] = np.random.uniform(20,40,(100,))
c[30:100] = np.random.uniform(5,25,(70,))
df = pd.DataFrame({'a':a,'b':b,'c':c})

设置一组参数

def mmm(data,*param):
    dic = {}
    j = 0
    for i in data:
        dic[i] = rec(data[i],param[j])
        j += 1
    return(np.sum(pd.DataFrame(dic),1))

该函数将递归过滤器应用于具有不同lambda参数的data参数中的每个字段，并返回数据帧的行总和。

kpi = mmm(df,*(0.5,0.5,0.1)) + np.random.uniform(-5,5)

将*参数传递给scipy曲线拟合函数时，必须定义一个输出函数的函数。如此处所述：Pass tuple as input argument for scipy.optimize.curve_fit

拟合曲线

a = np.zeros(3)
def make_func():
    def mmm(data,*param):
        dic = {}
        j = 0
        for i in data:
            dic[i] = rec(data[i],param[j])
            j += 1
        return(np.sum(pd.DataFrame(dic),1))
    return(mmm) 
leastsq, covar = curve_fit(make_func(),df,kpi,a)

print(leastsq)
array([0.87560795, 0.87192766, 0.84864161])

设置两组参数

def mmm(x,*arg):
    c = args[0]
    a = args[1]
    dic = {}
    j = 0
    for i in x:
        dic[i] = c[j] * rec(x[i], a[j])
        j += 1
    return(np.sum(pd.DataFrame(dic),1))   

该函数将递归过滤器应用于具有不同lambda（a）的data参数中的每个字段，将其乘以标量（c）并获取数据帧的行总和。

args = [[4,5,3],[0.2,0.4,0.5]]
kpi = mmm(df,*args) + np.random.uniform(-5,5)

拟合曲线

args = np.zeros(6)
def make_func():
    def mmm(x,*args):
        c = args[0]
        a = args[1]
        dic = {}
        j = 0
        for i in x:
            dic[i] = c[j] * rec( x[i], a[j])
            j += 1
        return(np.sum(pd.DataFrame(dic),1))
    return(make_func)
leastsq, covar = curve_fit(make_func,df, kpi, p0=args)

对一个参数列表使用相同的方法会导致两个错误。错误如下：

TypeError: make_func() takes 0 positional arguments but 7 were given

为了使此代码正常工作，还有其他事情要做吗？

干杯

Answer 1

在我看来，有两点是错误的根源。

1）在函数make_func()中拟合曲线的最后一部分中，您将返回函数本身。如果将其与以前的函数定义进行比较，我认为它应该是return(mmm)。

2）args = np.zeros(6)产生一个零数组，您将其作为参数传递给make_func()。然后，您将c = args[0]和a = args[1]分配为基本上是标量变量的c=0和a=0。现在，在mmm(x,*args):函数中，您将使用dic[i] = c[j] * rec( x[i], a[j])。因为IndexError: invalid index to scalar variable.和a是标量，但是您正在对它们使用索引操作，所以这里弹出c。