以边界作为拟合参数的两个不同函数的拟合

Question

我有一个关于 Python 中的简单拟合函数的问题。 我正在尝试在数据集上拟合两个不同的函数，并且这两种制度之间的边界也应该是一个拟合参数。 我很天真地尝试了这样的事情：

def FitFunc(x, a, b, c, d, e, border):
    if x < border:
        return a * x + b
    if x > border:
        return c * x**2 + d * x + e

但我得到了一个 ValueError：

Series 的真值是模棱两可的。使用 a.empty()、a.bool()、a.item()、a.any() 或 a.all()

我知道您无法将我的 x 数组与整数值进行比较（甚至没有分配给固定值，这应该由 curve_fit 过程完成）。

我无法为这个看似简单的问题找到解决方案。有人可以帮我解决这个问题吗？

提前致谢！

编辑：我构建了一个示例： 对于 x5，这可以通过平方函数 (y=x**2/5-3*x/5) 完美描述)。假设你不知道 x 是完美的“边界”，有没有办法让 curve_fit 找出来？

Answer 1

错误消息表明将数组 (x) 的值与标量值 (border) 进行比较是不明确的。您的意思是如果x 的任何 值小于border，或者x 的所有 值小于border？

我怀疑你真正想要的是 numpy 的 where 函数，这有点像循环 x 并逐点决定使用哪个表达式，只是要快得多：

def FitFunc(x, a, b, c, d, e, border):
    out = a * x + b
    out[np.where(x > border)] = c * x**2 + d * x + e
    return out

我认为这就是你想要的，它应该可以根据border选择合适的函数形式。

但是，我要提醒您，它可能不会做你想要的。也就是说，您似乎打算将 border 用作合适的变量。

scipy optimize 例程（以及大多数“曲线拟合”上下文）中的拟合变量需要连续浮点变量。您的border 变量将用作x 索引的离散整数值以更改函数形式。拟合算法将首先选择一个值（例如 5.0），然后对该值进行非常小的更改（例如，5.0000002）。这不会改变您的两个函数形式之间的断点所在的位置，并且拟合将决定 border 不会改变拟合。我希望我知道解决这个问题的方法。