Question

我正在尝试查找功能func_exp的最小值。该函数有3个参数，我可以从拟合中获得。然后我想沿x轴找到函数的最小值（y）。使用拟合的参数时。为此，我正在尝试使用scipy中的鳍

但是我似乎不太了解如何将参数传递给fin函数。使用当前代码，我得到以下错误：

ValueError：设置具有序列的数组元素。

感谢您的帮助。

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
from scipy.optimize import fmin

def func_exp(x,a,b,c):
   return -a*(1-(1-np.exp(-b*(x-c)))**2)

class morse:
    def __init__(self):
        self.masses = {'H': 1, 'D': 2, 'C': 12, 'O': 16}

def exponential_regression (self,x_data, y_data):
    self.popt, pcov = curve_fit(func_exp, x, y, p0 = (0.5, 1.4, 3))
    print(self.popt)
    puntos = plt.plot(x, y, 'x', color='xkcd:maroon', label = "data")
    x_data= np.linspace(np.amax(x),np.amin(x),100)
    curva_regresion = plt.plot(x_data, func_exp(x_data, *self.popt), color='xkcd:teal', label = "fit: {:.3f}, {:.3f}, {:.3f}".format(*self.popt))
    plt.xlim([2, 5.5 ])
    plt.ylim([-5.5, 5 ])
    plt.legend()
    plt.show()
    return func_exp(x, *self.popt)

if __name__ == "__main__":
    x = np.array([2.5,3,3.125,3.25,3.375,3.5,3.625,3.75,4,4.5,5,5.5])
    y = np.array([17.27574826,-3.886390266,-4.892678401,-5.239229709,-5.193942987,-4.93131152,-4.557452444,-4.13446237,-3.276524893,-1.928242445,-1.17731394,-0.745240026])
    morse=morse()
    morse.exponential_regression(x, y)
    fmin(func_exp,x,args=(morse.popt[0],morse.popt[1],morse.popt[2]))

Answer 1

好的，我找到了解决方案。您要做的修改是，将x的初始猜测值仅{strong>一个传递给fmin。您正在传递长度为12的x。

替换

fmin(func_exp,x,args=(morse.popt[0],morse.popt[1],morse.popt[2]))

通过

fmin(func_exp,x[0],args=(morse.popt[0],morse.popt[1],morse.popt[2]))

，其中仅使用x数组的第一个元素作为起点。

您还可以将其他值用作x[1]或x[-1]，所有值都将收敛到最小值。现在，该函数将返回曲线的最小值为x的值。答案是

array([3.30895996])

Fmin python传递参数

1 个答案: