在python中拟合多元curve_fit

Question

我试图将一个简单的函数与python中的两个独立数据数组相匹配。我知道我需要将自变量的数据组合到一个数组中，但是当我尝试拟合时，传递变量的方式似乎仍然有问题。（之前有几篇与此相关的帖子，但都没有太大帮助。）

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def fitFunc(x_3d, a, b, c, d):
    return a + b*x_3d[0,:] + c*x_3d[1,:] + d*x_3d[0,:]*x_3d[1,:]

x_3d = np.array([[1,2,3],[4,5,6]])

p0 = [5.11, 3.9, 5.3, 2]

fitParams, fitCovariances = curve_fit(fitFunc, x_3d[:2,:], x_3d[2,:], p0)
print ' fit coefficients:\n', fitParams

我得到的错误是，

raise TypeError('Improper input: N=%s must not exceed M=%s' % (n, m)) 
TypeError: Improper input: N=4 must not exceed M=3

什么是M的长度？N是p0的长度吗？我到底做错了什么？

Answer 1

默认的curve\u fit方法需要拟合函数fitFunc的参数少于数据点。我在拟合一个总共包含15个参数的函数时遇到了同样的问题，而我只有13个数据点。解决方法是使用另一种方法（例如dogbox或trf）。

Answer 2

N和M在函数的帮助中定义。N是数据点的数量，M是参数的数量。因此，您的错误基本上意味着您需要至少与参数一样多的数据点，这非常有意义。

此代码适用于我：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def fitFunc(x, a, b, c, d):
    return a + b*x[0] + c*x[1] + d*x[0]*x[1]

x_3d = np.array([[1,2,3,4,6],[4,5,6,7,8]])

p0 = [5.11, 3.9, 5.3, 2]

fitParams, fitCovariances = curve_fit(fitFunc, x_3d, x_3d[1,:], p0)
print ' fit coefficients:\n', fitParams

我已经包含了更多的数据。我还更改了FitFunc，使其以仅作为单个x的函数进行扫描的形式编写-钳工将处理对所有数据点的调用。您发布的代码还引用了x_3d[2，：]，这会导致错误。