如何使用多条曲线和因变量进行曲线拟合答案

【问题标题】：How to do curve-fitting with multiple curves and dependent variables如何使用多条曲线和因变量进行曲线拟合
【发布时间】：2020-08-12 13:11:22
【问题描述】：

我正在研究用于 covid 预测的扩展 SIR 模型。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"

我已经通过额外的“死亡”案例延长了我的 SIR。所以现在我可以根据历史“死亡”曲线拟合我的模型。但我也找到了可能的“感染”的可靠来源。问题是，我只能在“D”（死亡）曲线或“I”（感染）曲线上进行曲线拟合。有什么方法可以让我使用基于两条曲线的曲线拟合，这两条曲线基本上依赖于相同的 SIR 算法。例如，当对“D”进行曲线拟合时，我得到的 R0 为 3.5，而“I”的 R0 为 4.2。如何找到适合两条曲线的 R0 值（带有其他变量参数）。

【问题讨论】：

标签： python curve-fitting least-squares lmfit

【解决方案1】：

是的，如果您需要对两个不同数据集（您的“死亡”和“感染”）建模的方程（或函数）并且它们共享一些参数（“r0”），您可以制作一个使用 np.concatenate() 的模型为模型附加两个数组，然后拟合连接的数据集。

该串联模型将具有一组参数。如果某些参数真的只改变连接数据集的前半部分或后半部分，那也没关系。

【讨论】：

@FarhangDehzad：如果它解决了您的问题，也请接受答案；您可以通过单击答案旁边的小检查来完成此操作，然后它会变为绿色。