尝试使用curvefit在python中运行Matlab优化工具箱中的lsqcurvefit实现

Question

我试图使用curve_fit在Python中从matlab实现lsqcurvefit，但没有成功。下面是我尝试移植到Python的matlab代码：

myfun = @(x,xdata)(exp(x(1))./ xdata.^exp(x(2))) - x(3);
xstart = [4, -2, 54];
pX = [2, 3, 13, 12, 38, 39];
pY = [12.7595, 8.7857, -11.8802, -10.9528, -15.4390, -15.3083];

try
    fittedmodel = lsqcurvefit(myfun,xstart,double(pX),double(pY), [], [], optimset('Display', 'off'));
    disp("fitted model:");
    disp(fittedmodel);
catch
end

以下是我的matlab输出：

fitted model:
    4.8389    3.3577   -2.0000

下面是我的Python代码：

from scipy.optimize import curve_fit
import numpy as np

pX = [2, 3, 13, 12, 38, 39];
pY = [12.7595, 8.7857, -11.8802, -10.9528, -15.4390, -15.3083];

def myfun(x, xdata):
    temp_val_1 = np.exp(x[0])
    temp_val_2 = np.exp(x[1])
    temp_val_3 = x[2]
    temp_val_4 = np.power(xdata, temp_val_2)
    temp_val_5 = np.divide(temp_val_1, temp_val_4)
    temp_val_6 = temp_val_5 - temp_val_3
    return temp_val_6
        
popt, pcov = curve_fit(myfun, pX, pY, p0=([4, -2, 54]))
print(popt, "\n", pcov)

下面是我的Python输出：

myfun() takes 2 positional arguments but 4 were given

我知道输入有问题，但我不知道如何改变以解决这个问题，并得到与使用matlab相同的结果

Answer 1

以下是一些让您开始学习的提示：

• 注意curve_fit需要一个签名为f(xdata, *x)的函数，其中x是您的优化变量，即搜索的系数。与Matlab的lsqcurvefit相比，情况正好相反。符号*x是特定于python的，表示数量可变的参数

• 此外，您不需要使用np.power和np.divide函数。对于np.数组，通常的数学运算符是重载的，并且是按元素应用的。例如，这意味着对于两个np.array a / b等价于Matlab的a ./ b。因此，书写（和阅读）更方便：

def myfun(xdata, *x):
    return np.exp(x[0]) / xdata**np.exp(x[1]) - x[2]

我得到以下系数：

[ 4.01234549 -0.47409326 21.70045585] 

但是，术语np.exp(x[1])似乎有溢出，因此可能值得重新格式化目标函数或提高浮点精度。i、 e.使用长双精度dtype=np.float128