leastsq传递参数时出错

Question

我试图将以下函数拟合：去渲染的SNR到我的数据中。C1、C2和h是我需要从leastsq方法中获得的参数。C1和C2很简单，但问题是我的h（t）实际上是：。我想得到的是函数中的系数hj（在我的例子中有35个不同的hj）。该函数是不同基B样条的和，每个基B样条加权不同，系数的个数等于B样条的节数。当我想得到C1，C2和h1..35时，我做以下操作：

funcLine = lambda tpl, eix_x: (tpl[0]*np.sin((4*math.pi*np.sum(bsplines_evaluades * np.transpose([tpl[2],tpl[3],tpl[4],tpl[5],tpl[6],tpl[7],tpl[8],tpl[9],tpl[10],tpl[11],tpl[12],tpl[13],tpl[14],tpl[15],tpl[16],tpl[17],tpl[18],tpl[19],tpl[20],tpl[21],tpl[22],tpl[23],tpl[24],tpl[25],tpl[26],tpl[27],tpl[28],tpl[29],tpl[30],tpl[31],tpl[32],tpl[33],tpl[34],tpl[35],tpl[36],tpl[37]]) , axis=0))*eix_x/lambda1) + tpl[1]*np.cos((4*math.pi*np.sum(bsplines_evaluades * np.transpose([tpl[2],tpl[3],tpl[4],tpl[5],tpl[6],tpl[7],tpl[8],tpl[9],tpl[10],tpl[11],tpl[12],tpl[13],tpl[14],tpl[15],tpl[16],tpl[17],tpl[18],tpl[19],tpl[20],tpl[21],tpl[22],tpl[23],tpl[24],tpl[25],tpl[26],tpl[27],tpl[28],tpl[29],tpl[30],tpl[31],tpl[32],tpl[33],tpl[34],tpl[35],tpl[36],tpl[37]]) , axis=0))*eix_x/lambda1))*np.exp(-4*np.power(k, 2)*lambda_big*np.power(eix_x, 2))
func = funcLine
ErrorFunc = lambda tpl, eix_x, ydata: np.power(func(tpl, eix_x) - ydata,2)
tplFinal1, success = leastsq(ErrorFunc, [2, -2, 8.2*np.ones(35)], args=(eix_x, ydata))

tpl（0）=C1，tpl（1）=C2和tpl（2..35）=my系数。bsplines\u evaluades是一个矩阵[3586000]，其中每一行是每一个基b样条的时间函数，所以我用每一行的系数加权，86000是eix\u x的长度。ydata（eix\u x）是我想要近似的函数。lambda1=0.1903；lambda_big=2；k=2*π/lambda1。输出与初始参数相同，不符合逻辑。 有人能帮我吗？我也尝试过curvefit，但它不起作用。 数据位于：http://www.filedropper.com/data\u 5>；http://www.filedropper.com/download_button.png下载宽度=127高度=145边框=0/>；
http://www.filedropper.com>；在线备份存储器

编辑 现在的代码是：

lambda1 = 0.1903
k = 2 * math.pi / lambda1
lambda_big = 2
def funcLine(tpl, eix_x):
    C1, C2, h = tpl[0], tpl(1), tpl[2:]
    hsum = np.sum(bsplines_evaluades * h, axis=1)  # weight each
    theta = 4 * np.pi * np.array(hsum) * np.array(eix_x) / lambda1
    return (C1*np.sin(theta)+C2*np.cos(theta))*np.exp(-4*lambda_big*(k*eix_x)**2)  # lambda_big = 2
if len(eix_x) != 0:
    ErrorFunc = lambda tpl, eix_x, ydata: funcLine(tpl, eix_x) - ydata
    param_values = 7.5 * np.ones(37)
    param_values[0] = 2
    param_values(1) = -2
    tplFinal2, success = leastsq(ErrorFunc, param_values, args=(eix_x, ydata))

问题是输出参数相对于初始参数没有变化。数据（x轴、Y数据、B轴）： gist.github.com/hect1995/dcd36a4237fe57791d996bd70e7a9fc7gist.github.com/hect1995/39ae4768ebb32c27f1ddea97e24d96afgist.github.com/hect1995/bddd02de567f8fcbedc752371b47ff71你知道吗

Answer 1

提供一个完整到可以运行的可读示例总是很有帮助的（对你自己和我们都是如此）。你的例子有lambdas和很长的行，肯定是不可读的，使你很容易错过简单的错误。使用Python的要点之一是使代码更易于阅读。你知道吗

使用样条曲线系数作为拟合变量是很好的，但是您希望np.N阵列所有变量都是一维的。所以你的参数数组应该是

param_values = 8.2 * np.ones(37)
param_values[0] = 2
param_values[1] = -2.
result_params, success = leastsq(errorFunc, param_values, ....)

使用curve_fit（）也可以。除此之外，很难提供太多帮助，因为您既不提供完整的可运行程序（留下许多未定义的术语），也不提供运行代码的输出或错误消息。你知道吗

Answer 2

这里有几点可能是错误的：我不确定您是否正确地索引了tpl数组（如果它有37个条目，索引应该是0:36）。你的errorFunc应该返回残差而不是平方残差。你知道吗

最后，我认为您的h-sum可能不正确：您希望在$N$轴上求和，而不是在$x$轴上求和，对吗？你知道吗

您可以按以下方式整理代码，看看它是否有用（没有一些数据，我很难测试）：

def funcLine(tpl, eix_x):
    C1, C2, h = tpl[0], tpl[1], tpl[2:]
    hsum = np.sum(bsplines_evaluades * h, axis=1)
    theta = 4 * np.pi * hsum * eix_x / lambda1
    return (C1 * np.sin(theta) + C2 * np.cos(theta)) * np.exp(-4  *lambda_big *
                 (k * eix_x)**2)

errorFunc = lambda tpl, eix_x, ydata: funcLine(tpl, eix_x) - ydata
tplFinal2, success = leastsq(errorFunc, [2, -2, 8.2*np.ones(35)],
                             args=(eix_x, ydata))