我对 Python 中的简单拟合函数有疑问。 我试图在一个数据集上拟合两个不同的函数,这两个区域之间的边界也应该是一个拟合参数。 非常天真,我正在尝试这样的事情:
def FitFunc(x, a, b, c, d, e, border):
if x < border:
return a * x + b
if x > border:
return c * x**2 + d * x + e
但是我得到了一个 ValueError:
The truth value of a Series is ambiguous. Use a.empty(), a.bool(), a.item(), a.any() or a.all()
我知道您不能将我的 x 数组与整数值进行比较(它甚至没有分配给固定值,这应该由 curve_fit 过程完成)。
我无法为这个看似简单的问题找到解决方案。有人可以帮我解决这个问题吗?
提前致谢!
编辑:我构造了一个例子: 对于 x<5 的数据,可以用线性函数 (y=x-3) 完美描述,对于 x>5,可以用平方函数 (y=x**2/5-3*x/5) 完美描述).假设您不知道 x 是完美的“边界”,有没有办法让 curve_fit 知道?
请您参考如下方法:
错误消息是说将数组 (x) 的值与标量值 (border) 进行比较是不明确的。你的意思是 x 的 any 值是否小于 border 还是 x< 的所有值 小于 border?
我怀疑您真正想要的是 numpy 的 where 函数,这有点像遍历 x 并逐点决定使用哪个表达式,只是快得多:
def FitFunc(x, a, b, c, d, e, border):
out = a * x + b
out[np.where(x > border)] = c * x**2 + d * x + e
return out
我想这就是你想要的,它应该可以根据 border 选择合适的功能形式。
但是,我要提醒您,它可能不会您想要的。也就是说,您似乎希望 border 成为合适的变量。
scipy optimize 例程(以及大多数“曲线拟合”上下文)中的拟合变量需要连续浮点变量。您的 border 变量将用作 x 索引的离散整数值,以更改函数形式。拟合算法将首先选择一个值(假设为 5.0),然后对该值进行非常小的更改(例如,变为 5.0000002)。这不会改变你的两个函数形式之间的断点,并且适合度将决定 border 不会改变适合度。我希望我知道解决这个问题的方法。
