使用 lmfit 模型 - 函数将数据框作为参数答案

【问题标题】：Use lmfit Model - function has dataframe as argument使用 lmfit 模型 - 函数将数据框作为参数
【发布时间】：2020-07-10 10:20:08
【问题描述】：

我想使用 lmfit 来拟合我的数据。

我正在使用的函数只有一个参数features。 features的内容会不一样（列和值），所以无法初始化参数。

我尝试将数据框创建为here，但我无法使用guess 方法，因为这是针对LorentzianModel 而我只想使用Model。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import lmfit
from sklearn.linear_model import LinearRegression


df = {'a': [0, 0.2, 0.3], 'b':[14, 10, 9], 'target':[100, 200, 300]}
df = pd.DataFrame(df)

X = df[['a', 'b']]
y = df[['target']]

model = LinearRegression().fit(X, y)

features = pd.DataFrame({"a": np.array([0, 0.11, 0.36]),
                         "b": np.array([10, 14, 8])})

def eval_custom(features):
    res = model.predict(features)
    return res


x_val = features[["a"]].values

def calling_func(features, x_val):
    pred_custom = eval_custom(features)
    df = pd.DataFrame({'x': np.squeeze(x_val), 'y': np.squeeze(pred_custom)})

    themodel = lmfit.Model(eval_custom)
    params = themodel.guess(df['y'], x=df['x'])
    result = themodel.fit(df['y'], params, x = df['x'])
       
    result.plot_fit()


calling_func(features, x_val)

【问题讨论】：

标签： python-3.x curve-fitting lmfit

【解决方案1】：

模型函数需要将自变量和单个模型参数作为参数。您将所有这些包装到一个熊猫数据框中，然后发送。不要那样做。

如果您需要根据模型的当前值创建数据框，请在模型函数中执行此操作。

另外：通用模型函数没有有效的guess 函数。使用model.make_params() 并且绝对、绝对（没有例外，从来没有）为每个参数提供实际的初始值。

【讨论】：