scipy.optimize.curve_fit 有条件

Question

我正在使用 Python + NumPy + SciPy 根据数据确定方程的系数。等式定义如下：

def func (x, a,b,c,d):
    if x < d:
        return 0
    else:
        return a * ( 1 - np.exp( - b * (x - c) ** d)

根据我的发现，函数的传统表示根据 this discussion 将不起作用，必须替换为：

def func (x, a,b,c,d):
    return np.where ( x < c,
        0 ,
        a * ( 1 - np.exp( - b * (x - c) ** d) )
    )

这一个引发错误 RuntimeWarning: invalid value encountered in power a * ( 1 - np.exp( - b * (x - c) ** d)。

据我了解，这是因为尝试创建 2 个数字数组（在本例中）：

然后，根据这两个的条件选择创建结果数组。在间隔 x < c 中与 d 的分数值的某种组合中创建第二个数组会导致从负数求根。这导致了问题。

我的解决方法是：

def func (x, a,b,c,d):
    return np.where ( x < c,
        0 ,
        a * ( 1 - np.exp( - b * np.abs( x - c) ** d) )
    )

它工作正常，因为 x < c 的值范围由条件定义，但是有更好的方法吗？

理想情况下，这甚至会阻止计算 a * ( 1 - np.exp( - b * (x - c) ** d) if x < c 和 unversal，make 是否适用于更多条件？

Answer 1

scipy.optimize.curve_fit with conditions