Scipy拟合中的参数向量化

Question

据我所知，Scipy的curve_fit函数需要显式地输入拟合参数。例如，在拟合多项式时：

def func(x, c0, c1, c2):
    return c0 + c1 * x + c2 * x**2

有没有可能通过向量定义参数（例如另一个等效函数）？例如：
最初的回答:

def func(x, C):
    y = 0.0
    for i, ci in enumerate(C):
        y += ci * x**i
    return y

我正在尝试拟合一个具有24个参数的复杂函数，明确定义参数非常痛苦。

翻译结果：

我试图用24个参数来拟合一个复杂的函数，但是明确地定义这些参数非常困难。

- petervanya

Answer 1

是的，这是可能的，但您必须事先知道参数的数量（似乎您已经知道了）。

例子：

from scipy.optimize import curve_fit

def func(x, *C):
    y = sum(c * x ** n for n, c in enumerate(C))
    return y

然而，在调用curve_fit时，您需要指定p0参数；在这种情况下，如果您知道有24个参数，并且有它们的初始值猜测，您可以传递一个包含24个值的数组。如果没有，您可以使用np.ones(24)。

- gmds