python多变量拟合_Python曲线将多个参数拟合到多个数据集

本文探讨了如何使用Python的`curve_fit`函数进行多变量拟合,特别是当需要拟合多个独立的数据集时。通过示例代码展示了在拟合过程中遇到的错误,解释了可能的原因,并提出了对正确使用`curve_fit`的疑问。
摘要由CSDN通过智能技术生成

我正在尝试使用scipy的curve_fit函数来求解模型参数 . 我使用Python curve_fit with multiple independent variables作为起点并且能够满足我的需求,但现在我想使用两个以上的数据集,但作为一个起点,我使用了两个) .

我认为最简单的方法可能是使用curve_fit并输入我的数据作为矩阵 . 作为一个非常人为的例子,我尝试在上面的链接中“扩充”这个例子(我意识到这不是最漂亮的代码 - 我只是试图弄清楚我应该如何做到这一点) .

def func(X, a, b, c):

x,y = X

result0 = np.log(a) + b*np.log(x[0]) + c*np.log(y[0])

result1 = np.log(a) + b*np.log(x[1]) + c*np.log(y[1])

return np.array([result0, result1])

# some artificially noisy data to fit

x0 = np.linspace(0.1,1.1,101)

y0 = np.linspace(1.,2., 101)

x1 = np.linspace(0.1,1.1,101)

y1 = np.linspace(1.,2., 101)

a, b, c = 10., 4., 6.

x = np.array([x0,x1])

y = np.array([y0,y1])

z = func((x,y), a, b, c)

z[0] = z[0] * 1 + np.random.random(101)/100

z[1] &#

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值