使用 Scipy 的 curve_fit() 函数拟合具有未知参数数量的函数

第一个问题:我正在尝试用以下形式的函数来拟合实验数据：

f(x) = m_o*(1-exp(-t_ox)) + ... + m_j(1-exp(-t_j*x)) 复制

目前，我找不到一种方法来确定参数的数量m_j，t_j，我被迫这样做：

def fitting_function(x, m_1, t_1, m_2, t_2): return m_1*(1.-numpy.exp(-t_1x)) + m_2(1.-numpy.exp(-t_2*x))

parameters, covariance = curve_fit(fitting_function, xExp, yExp, maxfev = 100000) 复制

(xExp和yExp是我的实验点)

有没有一种方法可以这样写我的拟合函数：

def fitting_function(x, li): res = 0. for el in range(len(li) / 2): res += li[2idx](1-numpy.exp(-li[2*idx+1]*x)) return res 复制

其中li是拟合参数列表，然后执行curve_fitting？我不知道如何告诉curve_fitting拟合参数的数量。当我为fitting_function尝试这种形式时，我遇到类似'ValueError: Unable to determine number of fit parameters'这样的错误。

可以使用*args和**kwargs来传递未确定数量的参数。这样，您可以将拟合函数定义为：

def fitting_function(x, li): res = 0. for idx in range(len(li) // 2): res += li[2idx](1-numpy.exp(-li[2idx+1]*x)) return res

然后，使用curve_fit时，将拟合参数列表传递给*args：

parameters, covariance = curve_fit(fitting_function, xExp, yExp, p0 = [1]*num_params, maxfev = 100000, *li)

其中num_params是拟合参数的数量。在p0中，我们使用了一个长度为num_params的列表来指定拟合参数的初始估计值。