如何对多条曲线和因变量进行曲线拟合

如何解决如何对多条曲线和因变量进行曲线拟合

我正在研究扩展的SIR模型，以实现共同预测。现在，我正在尝试通过lmfit使用曲线拟合。

这是代码：

mod = lmfit.Model(fitter)

for kwarg,(init,mini,maxi) in params_init_min_max.items():
    mod.set_param_hint(str(kwarg),value=init,min=mini,max=maxi,vary=True)

params = mod.make_params()
fit_method = "leastsq"

我用一个额外的“死亡”案例扩展了我的SIR。因此，现在我可以根据历史“死亡”对模型进行曲线拟合。但是我也找到了可能的“感染”的可靠来源。事实是，我只能对“ D”（死亡）曲线或“ I”（受感染）曲线进行曲线拟合。有什么方法可以使用基于两条曲线的曲线拟合，这两条曲线基本上都依赖于同一SIR算法。例如，在“ D”上进行曲线拟合时，我得到的R0为3.5，而“ I”上我得到的R0为4.2。如何找到适合两条曲线的R0值（以及其他可变参数）。

解决方法

是的，如果必须对两个不同的数据集（您的“死亡”和“感染”）建模的方程式（或函数），并且它们共享某些参数（“ r0”），则可以创建一个使用{{1 }}为模型追加两个数组，然后拟合级联的数据集。

该级联模型将具有一组参数。如果某些参数确实仅更改了串联数据集的前半部分或后半部分，就可以了。