对可变数量的参数使用 scipy curve_fit答案

【问题标题】：Using scipy curve_fit for a variable number of parameters对可变数量的参数使用 scipy curve_fit
【发布时间】：2016-03-12 05:49:27
【问题描述】：

我有一个拟合函数，其形式为：

def fit_func(x_data, a, b, c, N)

其中 a, b, c 是第 N 个列表，其中每个条目都是要在 scipy.optimize.curve_fit() 中优化的可变参数，N 是用于循环索引控制的固定数字。

按照this question 我想我可以修复N，但我目前正在调用curve_fit，如下所示：

params_0 = [a_init, b_init, c_init]
popt, pcov = curve_fit(lambda x, a, b, c: fit_func(x, a, b, c, N), x_data, y_data, p0=params_0)

我得到一个错误：lambda() 完全接受 Q 参数（P 给定）

Q 和 P 取决于我的设置方式。

那么：对于初学者来说，这甚至可能吗？我可以将列表作为参数传递给 curve_fit 并具有我希望的将列表元素视为单个参数的行为吗？假设答案是肯定的，那么我的函数调用做错了什么？

【问题讨论】：

我认为documentation 可以帮助你，它不可能开箱即用。
我做过 RTFM - 但作为一个新手程序员，我希望我可能会错过一个技巧。
哈哈，kk，这也不是专业人士，但是你的 lambda 参数的可变数量呢，如here？
我认为这里的问题是 curve_fit() 不知道如何改变不是简单数值参数的参数。虽然看起来我可以绕过curve_fit并直接使用leastsq，因为它在残差函数中接受任意长度的参数元组。
完成，抱歉耽搁了

【解决方案1】：

这里的解决方案是编写一个包装函数，该函数接受您的参数列表并将其转换为 fit 函数可以理解的变量。这实际上只是必要的，因为我正在使用其他人的代码，在更直接的应用程序中，这将在没有包装层的情况下工作。基本上

def wrapper_fit_func(x, N, *args):
    a, b, c = list(args[0][:N]), list(args[0][N:2*N]), list(args[0][2*N:3*N])
    return fit_func(x, a, b, c, N)

要修复 N，您必须像这样在 curve_fit 中调用它：

popt, pcov = curve_fit(lambda x, *params_0: wrapper_fit_func(x, N, params_0), x, y, p0=params_0)

在哪里

params_0 = [a_1, ..., a_N, b_1, ..., b_N, c_1, ..., c_N]

【讨论】：

【解决方案2】：

我能够以不同的方式解决相同的问题。我使用 scip.optimize.least_squares 来求解，而不是使用 curv_fit。我已经在链接下讨论了我的解决方案-https://stackoverflow.com/a/60409667/11253983

【讨论】：