Matlab适用于Python的非线性LeastSquares

Question

我为Python重写了在Matlab中编写的代码，但无法正确解析Python中的拟合函数。Matlab:中的代码

y = *Array 361x1*;
x = *Array 361x1*;
y1 = *Single value 1x1*;
x1 = *Single value 1x1*;
fo = fitoptions('Method','NonlinearLeastSquares','Lower',[-Inf,-Inf],'Upper',[Inf, Inf],'Startpoint',[0.0,0.0]);
ft = fittype( @(A,B, x) A.*x.^2 + B.*x + y1 - A.*x1.^2 - B.*x1, 'independent','x','dependent','y','options',fo);
[fitobject,gof,out] = fit(x,y,ft);
A = fitobject.A;
B = fitobject.B;

我通过Scipy Least Squares在Python中尝试了这个解决方案，并基于这篇文章。我写了以下代码：

ft = least_squares(lambda coeffs: coeffs[0]*x**2 + coeffs[1]*x + y1 - coeffs[0]*x1**2 - coeffs[1]*x1, [0, 0], bounds=([-np.inf, -np.inf], [np.inf, np.inf]))
print(ft('x'))

显然这是不正确的(Python代码中没有考虑数组y(，我得到了系数A和B的不同值。我已经尝试过不同的函数，如曲线%fit等。但没有结果。。。

Answer 1

您可以使用scipy.soptimize的curve_filt。假设x和y是numpy.ndarrays，包含数据：

from scipy.optimize import curve_fit
def fitme(x, *coeffs_and_args):
A, B, x1, y1 = coeffs_and_args
return A*x**2 + B*x + y1 - A*x1**2 - B*x1 
popt, pcov = curve_fit(lambda  x, A, B: fitme(x, A, B, x1, y1), x, y)

则阵列popt包含参数的最优值，并且pcov包含popt的估计协方差。