python - 使用任意数量的参数创建 python lmfit 模型

Question

有没有办法基于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'])

如果我对多项式系列感兴趣并想在系列增长或缩小时测试性能，则与上述类似的东西会很棒。

Answer 1

自 Model()使用函数参数名称来构建参数名称，使用 *params不会很容易工作(人们怎么知道叫他们 A 、 B 、 C ，而不是 coeff0 、 coeff1 、 coeff2 或其他什么？)。

我不知道可以支持一个真正的任意数字，但应该可以做一个非常大的数字。多项式模型(参见 http://lmfit.github.io/lmfit-py/builtin_models.html#polynomialmodel 和 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。

如果你愿意做一些小的改变，就有可能做一些你正在寻找的事情。这使用关键字参数而不是位置参数，并依赖参数名称顺序(即 sort )来指示哪个系数与哪个指数对应，而不是位置参数的顺序。这可能与您要查找的内容很接近:

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())

希望有帮助。