Поскольку Model()
использует имена аргументов функций для построения имен параметров, использование *params
не будет работать легко (как можно узнать, чтобы называть их A
, B
, C
, а не coeff0
, coeff1
, coeff2
или что-то еще?).
Я не знаю, может ли поддерживаться действительно произвольное число, но должно быть возможно сделать очень большое число. Полиномиальная модель (см. http://lmfit.github.io/lmfit-py/builtin_models.html#polynomialmodel и https://github.com/lmfit/lmfit-py/blob/master/lmfit/models.py#L126 для реализации) поддерживает до 7 коэффициентов. Не должно быть проблем расширить это число до гораздо большего числа. Это может легко привести к вычислительным проблемам, но я думаю, что это то, что вы ожидаете исследовать.
Если вы хотите внести небольшое изменение, можно сделать что-то похожее на то, что вы ищете. Это использует аргументы ключевого слова вместо позиционных аргументов и полагается на порядок имен параметров (то есть с sort
), чтобы указать, какой коэффициент соответствует какой степени, а не порядок позиционных аргументов. Это может быть похоже на то, что вы ищете:
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())
Надеюсь, это поможет.
person
M Newville
schedule
06.09.2015