Python curve_fit вычисляет наилучшие параметры для функции с одной независимой переменной, но есть ли способ, используя curve_fit или что-то еще, чтобы соответствовать функции с несколькими независимыми переменными? Например:
def func(x, y, a, b, c):
return log(a) + b*log(x) + c*log(y)
где x и y - независимая переменная, и мы хотели бы поместиться для a, b и c.
Вы можете передать curve_fit многомерный массив для независимых переменных, но тогда ваш func должен принять одно и то же. Например, вызывая этот массив X и распаковывая его на X, y для ясности:
import numpy as np
from scipy.optimize import curve_fit
def func(X, a, b, c):
x,y = X
return np.log(a) + b*np.log(x) + c*np.log(y)
# some artificially noisy data to fit
x = np.linspace(0.1,1.1,101)
y = np.linspace(1.,2., 101)
a, b, c = 10., 4., 6.
z = func((x,y), a, b, c) * 1 + np.random.random(101) / 100
# initial guesses for a,b,c:
p0 = 8., 2., 7.
print curve_fit(func, (x,y), z, p0)
Дает соответствие:
(array([ 9.99933937, 3.99710083, 6.00875164]), array([[ 1.75295644e-03, 9.34724308e-05, -2.90150983e-04],
[ 9.34724308e-05, 5.09079478e-06, -1.53939905e-05],
[ -2.90150983e-04, -1.53939905e-05, 4.84935731e-05]]))
Да, есть: просто дайте curve_fit многомерный массив для xData.