如何解决如何使用 curve_fit (scipy.optimize) 或 model.fit (lmfit) 同时拟合多个数据?
对于给定的时间 (t),我同时记录了 4 个取决于相同参数 (a,b) 但模型函数 (func1 func2 func3 func4) 不同。
我定义了一个模型函数,它返回一个包含 4 个值的数组:
def func(t,a,b):
Icalc1=func1(t,b)
Icalc2=func2(t,b)
Icalc3=func3(t,b)
Icalc4=func4(t,b)
return [Icalc1,Iclac2,Icalc3,Icalc4]
我在 6 个不同的时间值测量了这 4 个值:
xMeas = np.array([1,2,3,4,5,6])
yMeas = np.array([
[I1meas1,I1meas2,I1Meas3,I1Meas4],[I2meas1,I2meas2,I2Meas3,I2Meas4],[I3meas1,I3meas2,I3Meas3,I3Meas4],[I4meas1,I4meas2,I4Meas3,I4Meas4],[I5meas1,I5meas2,I5Meas3,I5Meas4],[I6meas1,I6meas2,I6Meas3,I6Meas4]])
scipy.optimize.curve_fit(func,xMeas,yMeas,vGuess)
不起作用,因为 yMeas 必须是一维数组。但是,我想将这 4 个测量值放在一起,因为它们是同时记录的。
是否可以使用另一个 scipy 函数或另一个库作为 lmfit 来做到这一点? 谢谢解答。
解决方法
模型函数应该返回一个包含所有值的一维 numpy 数组。
如果您的 Icalc1
、Icalc2
等是 numpy 数组,请使用 numpy.concatenate()
将它们组合成一个一维数组:
#
return numpy.concatenate((Icalc1,Icalc2,Icalc3,Icalc4))
如果 Icalc1
等是标量值,只需将它们转换为数组:
#
return numpy.array((Icalc1,Icalc4))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。