Matlab fit НелинейныеLeastSquares для Python - PullRequest
Новая
       106

Matlab fit НелинейныеLeastSquares для Python

0 голосов
/ 21 марта 2020

Я переписываю код, написанный в Matlab для Python, и не могу правильно разрешить функцию подгонки в Python. Код в Matlab: 

y = *Array 361x1*;
x = *Array 361x1*;
y1 = *Single value 1x1*;
x1 = *Single value 1x1*;

fo = fitoptions('Method','NonlinearLeastSquares','Lower',[-Inf,-Inf],'Upper',[Inf, Inf],'Startpoint',[0.0,0.0]);

ft = fittype( @(A,B, x) A.*x.^2 + B.*x + y1 - A.*x1.^2 - B.*x1, 'independent','x','dependent','y','options',fo);

[fitobject,gof,out] = fit(x,y,ft);

A = fitobject.A;
B = fitobject.B;

Я пробовал решение в Python через Scipy Least Squares и основываясь на этой статье . Я написал следующий код: 

ft = least_squares(lambda coeffs: coeffs[0]*x**2 + coeffs[1]*x + y1 - coeffs[0]*x1**2 - coeffs[1]*x1, [0, 0], bounds=([-np.inf, -np.inf], [np.inf, np.inf]))
print(ft('x'))

Очевидно, что это не правильно (массив y не учитывается в коде Python), и я получаю разные значения для коэффициентов A и B. Я уже пробовал разные функции как кривой% fit, et c. Но без результата ...

1 Ответ

0 голосов
/ 22 марта 2020

Вы можете использовать scipy.optimize curve_fit . Предполагая, что x и y являются numpy .ndarrays, содержащими данные: 

from scipy.optimize import curve_fit

def fitme(x, *coeffs_and_args):
    A, B, x1, y1 = coeffs_and_args
    return A*x**2 + B*x + y1 - A*x1**2 - B*x1 

popt, pcov = curve_fit(lambda  x, A, B: fitme(x, A, B, x1, y1), x, y)

Тогда массив popt содержит оптимальные значения для параметров и pcov расчетная ковариация popt.

...