scipy 带有多个自变量的Python curve_fit(为了获得一些未知参数的值)

qpgpyjmq 于 2022-11-10 发布在 Python

关注(0)|答案(1)|浏览(211)

是否有一种方法可以使用curve_fit来拟合具有多个自变量的函数，如下所示？
我试图在x1，x2，x3和y1（因变量）都已知的情况下得到a1，b1，c1，a2，b2，c2，a3，b3，c3和d的值。我想通过使用scipy.optimize优化这些值以最小化我的误差。请注意，在实际情况中，对于x1，x2，x3和y1，我有超过一百个数据点。
或者是否有更好的方法或更合适的方法来获得a1、b1、c1、a2、b2、c2、a3、b3、c3和d的值？

import numpy as np
from scipy.optimize import curve_fit

x1 = [3,2,1]
x2 = [3,4,2]
x3 = [1,2,4]
y1 = [5,7,9]

def func(x1, x2, a1, b1, c1, a2, b2, c2, d):
    return (a1*x1**3+b1*x1**2+c1*x1) +(a2*x2**3+b2*x2**2+c2*x2)  + d

def func2(x1, x2, x3, a1, b1, c1, a2, b2, c2, a3, b3, c3, d):
    return (a1*x1**3+b1*x1**2+c1*x1) +(a2*x2**3+b2*x2**2+c2*x2) + (a3*x3**3+b3*x3**2+c3*x3) + d

scipy

来源：https://stackoverflow.com/questions/72736909/python-curve-fit-with-multiple-independent-variables-in-order-to-get-the-value

1条答案

按热度按时间

vjhs03f71#

您需要在一个对象中传递x1和x2，请参见docs for curve_fit中xdata的说明：
用于测量数据的自变量。通常是一个M长度的序列或一个**（k，M）型数组**（对于具有k个预测变量的函数），但实际上可以是任何对象。
示例：

import numpy as np
from scipy.optimize import curve_fit

# generate sample data for a1, b1, c1, a2, b2, c2, d = 1, 2, 3, 4, 5, 6, 7

np.random.seed(0)
x1 = np.random.randint(0, 100, 100)
x2 = np.random.randint(0, 100, 100)
y1 = (1 * x1**3 + 2 * x1**2 + 3 * x1) + (4 * x2**3 + 5 * x2**2 + 6 * (x2+np.random.randint(-1, 1, 100))) + 7

def func(x, a1, b1, c1, a2, b2, c2, d):
    return (a1 * x[0]**3 + b1 * x[0]**2 + c1 * x[0]) + (a2 * x[1]**3 + b2 * x[1]**2 + c2 * x[1]) + d

popt, _ = curve_fit(func, np.stack([x1, x2]), y1)

结果：

array([1.00000978, 1.99945039, 2.97065876, 4.00001038, 4.99920966,
       5.97424668, 6.71464229])

赞(0）回复(0）举报 2022-11-10

我来回答

scipy 带有多个自变量的Python curve_fit(为了获得一些未知参数的值)

1条答案

相关问题

热门标签

最新问答