python - 在 Python lmfit 中使用多个自变量

Question

我正在尝试将模型拟合到某些数据。自变量称为 A 和 B，它们是 Pandas DataFrame 中的列。我正在尝试根据数据框中的 y 调整两个参数。

以前，使用 Scipy 的 curve_fit，我可以做到:

def fun(X, p1, p2):
  A, B = X
  return np.exp(p1*A) + p2*B

X = (df['A'].tolist(), df['B'].tolist())
popt, pcov = curve_fit(fun, X, df['y'].tolist())

但现在，我使用 lmfit，我不能像 curve_fit 那样简单地“打包”自变量:

def fun(A, B, p1 = 1, p2 = 1):
  return np.exp(p1*A) + p2*B

model = Model(fun, independent_vars=['A', 'B'])

如何在这里运行 model.fit() ？ FAQ并没有多大帮助——我首先要压平什么？

Answer 1

我创建了一个包含两个自变量的完整的工作示例:

import pandas as pd
import numpy as np
from lmfit import Model

df = pd.DataFrame({
  'A'      : pd.Series([1, 1, 1, 2, 2, 2, 2]),
  'B'      : pd.Series([5, 4, 6, 6, 5, 6, 5]),
  'target' : pd.Series([87.79, 40.89, 215.30, 238.65, 111.15, 238.65, 111.15])
})

def fun(A, B, p1 = 1, p2 = 1):
  return p1 * np.exp(A) + p2 * np.exp(B)

model = Model(fun, independent_vars=['A', 'B'])
fit = model.fit(df['target'], A = df['A'], B = df['B'])

技巧是将所有变量指定为 fit() 中的关键字参数。