使用 lmfit 模型 - 函数将数据框作为参数

Question

我想使用 lmfit 来拟合我的数据。

我正在使用的函数只有一个参数 features。 features的内容会不一样（包括列和值），所以我无法初始化参数。

我尝试将数据框创建为 here，但我无法使用 guess 方法，因为这是针对 LorentzianModel 而我只想使用 Model.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import lmfit
from sklearn.linear_model import LinearRegression


df = {'a': [0, 0.2, 0.3], 'b':[14, 10, 9], 'target':[100, 200, 300]}
df = pd.DataFrame(df)

X = df[['a', 'b']]
y = df[['target']]

model = LinearRegression().fit(X, y)

features = pd.DataFrame({"a": np.array([0, 0.11, 0.36]),
                         "b": np.array([10, 14, 8])})

def eval_custom(features):
    res = model.predict(features)
    return res


x_val = features[["a"]].values

def calling_func(features, x_val):
    pred_custom = eval_custom(features)
    df = pd.DataFrame({'x': np.squeeze(x_val), 'y': np.squeeze(pred_custom)})

    themodel = lmfit.Model(eval_custom)
    params = themodel.guess(df['y'], x=df['x'])
    result = themodel.fit(df['y'], params, x = df['x'])
       
    result.plot_fit()


calling_func(features, x_val)

Answer 1

模型函数需要将自变量和各个模型参数作为参数。您将所有这些包装到一个 pandas 数据帧中，然后发送它。不要那样做。

如果您需要根据模型的当前值创建数据框，请在您的模型函数中执行此操作。

此外：通用模型函数没有有效的 guess 函数。使用 model.make_params() 并且绝对，绝对（没有例外，从来没有）为每个参数提供实际的初始值。

使用 lmfit 模型 - 函数将数据框作为参数

Use lmfit Model - function has dataframe as argument

python-3.x

curve-fitting

lmfit