我应该如何创建函数来提供残差，以便使用scipy.optimize.leastsquares拟合阻抗数据？

Question

我想使用Levenberg-Marquardt算法在Scipy的优化模块的最小二乘函数中实现来拟合测量的阻抗数据。但是，我对如何提供残差有点困惑

在文档中显示的示例中，很明显您应该只提供实验值和计算值之间的减法。因此，我们不应该创建返回的函数，而应该编写一个返回数组的函数

虽然这是直接为正常数据，我不知道如何做到这一点的阻抗数据。每个阻抗测量（Z）都有一个实部和一个复部，因此目标函数变成，其中wt是权重因子，w是频率（自变量），a是要查找的参数集。问题是我不知道如何正确地为最小二乘函数提供残差，因为我认为不起作用

Answer 1

the ^{} documentation中的最后一个例子展示了如何处理复杂的残差。也就是说，如果你有复杂的输入和输出：

def f(z):
    return z - (0.5 + 0.5j)

您可以将函数包装为展开为两个实数：

def f_wrap(x):
    fx = f(x[0] + 1j*x[1])
    return np.array([fx.real, fx.imag])