[英]Fitting two functions simultaniously with scipy's curve_fit
假设我已经定义了自变量x
两个实值函数和以下形式的一些参数:
f(x, parameters)
g(x, parameters)
(或者:一个返回实数二元组的函数, (f(x),g(x))
)。
我现在想使用 scipy 的curve_fit
将两条曲线同时拟合到两个数据数组fdata
和gdata
,以及它们相关的错误: fdata-err
、 gdata-err
(即找到适合数据的最佳参数)。 这可能吗?
我知道我可以定义一个新函数,它是两个函数及其各自测量值之间差异的总和,但是 python 的最小化函数似乎没有产生或解释错误,这对我的目的非常重要。
我只需要做一些类似的事情,并在没有定义自定义最小二乘函数的情况下找到了替代方法。
一种方法是定义另一个函数 h(x, parameters),它只是 f() 和 g() 的串联。
import numpy as np
def h(x, params):
fr = f(x, params)
gr = g(x, params)
hr = np.hstack(fr, gr)
return hr
同样,您必须连接 f() 和 g() 的 ydata。
fdata = [..] ## value of ydata of f
gdata = [..] ## value of ydata of g
hdata = np.hstack(fdata, gdata)
同样,xdata 也必须重复。
xdata_new = np.hstack(xdata, xdata)
现在您已准备好调用curve_fit()
。
import scipy.optimize as optimization
popt, pcov = optimization.curve_fit(f=h, xdata=xdata_new, ydata=ydata)
print(popt)
注意:您可能需要根据您定义 f() 和 g() 的方式更改一些内容。 但基本结构应该成立。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.