Pythonのscipy curvefitでカーブフィッティングする

Question

私はカーブフィッティングをやろうとしています。私は私のYデータであると信じている測定された曲線を持っており、私はそれが私のXデータであると信じる数多くの他の曲線の加重和に適合させようとしています。

これを達成しようとする私の最近の試みは以下の通りですが、私はいくつかのエラーがあり、私が間違っていることを誰かが指摘できるかどうか尋ねることにしました。間違いなくどこでもエラーこの中に、うまくいけば、私が達成しようとしているものの私の説明が明確であるだろうと

import numpy as np 
import scipy.optimize 

ydata = np.array([1.0, 7.0, 4.0]) 
xdata = np.array([[0.0, 1.0],[3.5, 0.0],[1.0, 2.0]]) 

def fitfunc(xdata, *params): 
    ctx = 0.0 
    for n in np.nditer(c): 
     ctx = c[n]*xdata[:,n] + ctx 
    return ctx 

# initial guesses for fitting parameters, answer for this simple example is 2.0, 1.0 
c = np.array([0.6, 0.3]) 

# fit data using SciPy's Levenberg-Marquart method 
nlfit, nlpcov = scipy.optimize.curve_fit(fitfunc, xdata, ydata, p0=[c], sigma=None) 

print(nlfit) 

謝罪は

は、パラメータ上で事前に

Answer 1

1. fitfuncループをありがとうcですが、nは実際にはインデックスではなくcの値です。それは、例えば実行しようとしています。 ctx = c[0.6]*xdata[:,0.6] + ctx。
2. fitfuncは固定のグローバルcを使用し、それに渡されるパラメータはcurve_fitではありません。それはではなく、paramsを参照する必要があります。あなたの代わりに欲しい

は

def fitfunc(xdata, *params): 
    ctx = 0.0 
    for n in range(len(params)): 
     ctx = params[n]*xdata[:,n] + ctx 
    return ctx 

である私たちは、それが[ 0.3 2.1 1.2]を返しprint(fitfunc(xdata, *c))、と自分自身でそれを実行して動作することを確認することができます。

print(fitfunc(xdata, *c))の*cは、cの要素をとり、単一の配列ではなく別々の引数として渡すことに注意してください。これはfitfunc(xdata, c[0], c[1])と同じです。

コメントにSteliosが述べたように、これは行列乗算xdata[:,0] * c[0] + xdata[:,1] * c[1]です。あなたはのように、おそらく高速ですnp.matmul、使用することができます。

def fitfunc(xdata, *params): 
    return np.matmul(xdata, params)