在python中拟合多元curve_fit

Question

我正在尝试为 python 中的两个独立数据数组拟合一个简单的函数。我知道我需要将自变量的数据集中到一个数组中，但是当我尝试进行拟合时，我传递变量的方式似乎仍然有问题。 （之前有几篇与此相关的帖子，但它们并没有太大帮助。）

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def fitFunc(x_3d, a, b, c, d):
    return a + b*x_3d[0,:] + c*x_3d[1,:] + d*x_3d[0,:]*x_3d[1,:]

x_3d = np.array([[1,2,3],[4,5,6]])

p0 = [5.11, 3.9, 5.3, 2]

fitParams, fitCovariances = curve_fit(fitFunc, x_3d[:2,:], x_3d[2,:], p0)
print ' fit coefficients:\n', fitParams

我读到的错误，

raise TypeError('Improper input: N=%s must not exceed M=%s' % (n, m)) 
TypeError: Improper input: N=4 must not exceed M=3

M 的长度是多少？ N 是p0 的长度吗？我在这里做错了什么？

Answer 1

默认的curve_fit 方法需要的拟合函数fitFunc 的参数少于数据点。我在拟合一个总共需要 15 个参数的函数时遇到了同样的问题，而我只有 13 个数据点。解决方法是使用另一种方法（例如dogbox 或trf）。

Answer 2

N 和 M 在the help 中为函数定义。 N 是数据点的数量，M 是参数的数量。因此，您的错误基本上意味着您至少需要与参数一样多的数据点，这非常有意义。

此代码适用于我：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def fitFunc(x, a, b, c, d):
    return a + b*x[0] + c*x[1] + d*x[0]*x[1]

x_3d = np.array([[1,2,3,4,6],[4,5,6,7,8]])

p0 = [5.11, 3.9, 5.3, 2]

fitParams, fitCovariances = curve_fit(fitFunc, x_3d, x_3d[1,:], p0)
print ' fit coefficients:\n', fitParams

我已包含更多数据。我还将fitFunc 更改为以仅作为单个 x 的函数进行扫描的形式编写 - 装配工将处理对所有数据点调用它。您发布的代码还引用了x_3d[2,:]，这导致了错误。