创建具有任意数量参数的 python lmfit 模型

Question

有没有办法根据具有任意数量因变量的函数构建 lmfit 模型？例如：

from lmfit import Model

def my_poly(x, *params):
  func = 0
  for i in range(len(params)):
    func+= params[i]*z**i
  return func

#note: below does not work
my_model = Model(my_poly, independent_vars = ['x'], param_names = ['A','B','C'])

如果我对多项式级数感兴趣并且想测试级数增长或收缩时的性能，那么类似于上面的东西会很棒。

Answer 1

由于 Model() 使用函数参数名称来构建参数名称，因此使用 *params 并不容易（人们怎么知道将它们称为 A、B 、C，而不是 coeff0、coeff1、coeff2 或其他？）。

不知道能不能支持真正的任意数，但是应该可以支持很大的数。多项式模型（参见 http://lmfit.github.io/lmfit-py/builtin_models.html#polynomialmodel and https://github.com/lmfit/lmfit-py/blob/master/lmfit/models.py#L126 实现）最多支持 7 个系数。将其扩展到更大的数字应该没有问题。它可能很容易导致计算问题，但我认为这是您期望探索的。

如果您愿意做一些小的改变，可以做您正在寻找的事情。这使用关键字参数而不是位置参数，并依赖于参数名称顺序（即 sort）来指示哪个系数与什么指数相关，而不是位置参数的顺序。这可能接近您要查找的内容：

import numpy as np

from lmfit import Model, Parameters

def my_poly(x, **params):
    val= 0.0
    parnames = sorted(params.keys())
    for i, pname in enumerate(parnames):
        val += params[pname]*x**i
    return val

my_model = Model(my_poly)

# Parameter names and starting values
params = Parameters()
params.add('C00', value=-10)
params.add('C01', value=  5)
params.add('C02', value=  1)
params.add('C03', value=  0)
params.add('C04', value=  0)

x = np.linspace(-20, 20, 101)
y = -30.4 + 7.8*x - 0.5*x*x + 0.03 * x**3 + 0.009*x**4
y = y + np.random.normal(size=len(y), scale=0.2)

out = my_model.fit(y, params, x=x)
print(out.fit_report())

希望对您有所帮助。

创建具有任意数量参数的 python lmfit 模型

Creating a python lmfit Model with arbitrary number of parameters

python

curve-fitting

polynomials

lmfit