尝试使用curvefit在python中从Matlab的优化工具箱中运行lsqcurvefit的实现

如何解决尝试使用curvefit在python中从Matlab的优化工具箱中运行lsqcurvefit的实现

我正在尝试使用 lsqcurvefit 在 Python 中从 matlab 实现 curve_fit，但没有成功。下面是我试图移植到 Python 的 matlab 代码：

myfun = @(x,xdata)(exp(x(1))./ xdata.^exp(x(2))) - x(3);
xstart = [4,-2,54];
pX = [2,3,13,12,38,39];
pY = [12.7595,8.7857,-11.8802,-10.9528,-15.4390,-15.3083];

try
    fittedmodel = lsqcurvefit(myfun,xstart,double(pX),double(pY),[],optimset('display','off'));
    disp("fitted model:");
    disp(fittedmodel);
catch
end

以下是我的 matlab 输出：

fitted model:
    4.8389    3.3577   -2.0000

以下是我的 Python 代码：

from scipy.optimize import curve_fit
import numpy as np

pX = [2,-15.3083];

def myfun(x,xdata):
    temp_val_1 = np.exp(x[0])
    temp_val_2 = np.exp(x[1])
    temp_val_3 = x[2]
    temp_val_4 = np.power(xdata,temp_val_2)
    temp_val_5 = np.divide(temp_val_1,temp_val_4)
    temp_val_6 = temp_val_5 - temp_val_3
    return temp_val_6
        
popt,pcov = curve_fit(myfun,pX,pY,p0=([4,54]))
print(popt,"\n",pcov)

以下是我的 Python 输出：

myfun() takes 2 positional arguments but 4 were given

我知道输入有问题，但我不明白要改变什么来解决这个问题并获得与使用 matlab 相同的结果。

解决方法

这里有一些提示可以帮助您入门：

请注意，curve_fit 需要一个签名为 f(xdata,*x) 的函数，其中 x 是您的优化变量，即搜索系数。与 Matlab 的 lsqcurvefit 相比，情况正好相反。符号 *x 是特定于 Python 的，表示可变数量的参数。
此外，您不需要使用 np.power 和 np.divide 函数。通常的数学运算符为 np.arrays 重载并按元素应用。例如，这意味着对于两个 np.arrays a / b 相当于 Matlab 的 a ./ b。因此，写（和读）更方便：

def myfun(xdata,*x):
    return np.exp(x[0]) / xdata**np.exp(x[1]) - x[2]

我得到以下系数：

[ 4.01234549 -0.47409326 21.70045585]

但是，术语 np.exp(x[1]) 似乎存在溢出，因此可能值得重新制定目标函数或提高浮点精度。即使用长双打dtype=np.float128。