C# 在C语言中使用非线性平方拟合#

我试图找到一个fit函数，其形式如下：

f(x) = P / (1 + e^((x + m) / s)

其中，

p

是一个已知常数。我将这个函数拟合到一个测量的双精度列表（20-100个元素之间），所有这些值都有一个对应的x值。我对C#比较陌生，对数学也不是很在行，所以我觉得很难阅读现有的文档

我试过使用AlgLib，但不知道从哪里开始，或者使用什么函数。

---

编辑：为了精确地说明我在寻找什么：我想找到一个C方法，在这里我可以传递函数形式，以及一些坐标（x和y值），并让该方法返回两个未知变量（上面的s和m）

我每天使用AlgLib就是为了这个目的。如果您转到链接并一直向下滚动，您会发现包含多种语言（包括C#）的代码示例的文档，我认为这将对您有很大帮助：

对于你的问题，你应该考虑所有你需要的约束，但是一个简单的例子，得到一个非线性最小二乘拟合你的输入函数和数据将看起来像这样：

public SomeReturnObject Optimize(SortedDictionary<double, double> dataToFitTo, double p, double initialGuessM, double initialGuessS)
{
   var x = new double[dataToFitTo.Count,1];

   for(int i=0; i < dataToFitTo.Count; i++)
   {
       x[i, 0] = dataToFitTo.Keys.ElementAt(i);
   }

   var y = dataToFitTo.Values.ToArray();
   var c = new[] {initialGuessM, initialGuessS};

   int info;
   alglib.lsfitstate state;
   alglib.lsfitreport rep;

   alglib.lsfitcreatef(x, y, c, 0.0001, out state);
   alglib.lsfitsetcond(state, epsf, 0, 0);
   alglib.lsfitfit(state, MyFunc, null, p);
   alglib.lsfitresults(state, out info, out c, out rep);

   /*  When you get here, the c[] array should have the optimized values 
       for m and s, so you'll want to handle accordingly depending on your
       needs.  I'm not sure if you want out parameters for m and s or an 
       object that has m and s as properties. */

}

private void MyFunc(double[] c, double[] x, ref double func, object obj)
{
    var xPt = x[0];
    var m = c[0];
    var s = c[1];
    var P = (double)obj;
    func = P / (1 + Math.Exp((xPt + m) / s));
}

public SomeReturnObject优化（SortedDictionary dataToFitTo、double p、double initialGuessM、double initialGuessS）
{
var x=新的双精度[dataToFitTo.Count，1]；
for（int i=0；i

请注意，这只是一个简单的例子。Alglib中有很多内置功能，因此您需要在这里调整问题代码，以满足您的需要，包括边界约束、权重、步长、变量缩放等。从第二个链接中的示例和文档中可以清楚地看到如何做到这一切

还请注意，Alglib对MyFunc的方法签名非常挑剔，因此我将避免在这些输入周围移动或添加更多内容

---

或者，如果Alglib不能满足您的所有需求，您可以编写自己的Levenberg-Marquardt算法。

我每天使用Alglib就是为了这个目的。如果您转到链接并一直向下滚动，您会发现包含多种语言（包括C#）的代码示例的文档，我认为这将对您有很大帮助：

对于你的问题，你应该考虑所有你需要的约束，但是一个简单的例子，得到一个非线性最小二乘拟合你的输入函数和数据将看起来像这样：

public SomeReturnObject Optimize(SortedDictionary<double, double> dataToFitTo, double p, double initialGuessM, double initialGuessS)
{
   var x = new double[dataToFitTo.Count,1];

   for(int i=0; i < dataToFitTo.Count; i++)
   {
       x[i, 0] = dataToFitTo.Keys.ElementAt(i);
   }

   var y = dataToFitTo.Values.ToArray();
   var c = new[] {initialGuessM, initialGuessS};

   int info;
   alglib.lsfitstate state;
   alglib.lsfitreport rep;

   alglib.lsfitcreatef(x, y, c, 0.0001, out state);
   alglib.lsfitsetcond(state, epsf, 0, 0);
   alglib.lsfitfit(state, MyFunc, null, p);
   alglib.lsfitresults(state, out info, out c, out rep);

   /*  When you get here, the c[] array should have the optimized values 
       for m and s, so you'll want to handle accordingly depending on your
       needs.  I'm not sure if you want out parameters for m and s or an 
       object that has m and s as properties. */

}

private void MyFunc(double[] c, double[] x, ref double func, object obj)
{
    var xPt = x[0];
    var m = c[0];
    var s = c[1];
    var P = (double)obj;
    func = P / (1 + Math.Exp((xPt + m) / s));
}

public SomeReturnObject优化（SortedDictionary dataToFitTo、double p、double initialGuessM、double initialGuessS）
{
var x=新的双精度[dataToFitTo.Count，1]；
for（int i=0；i

请注意，这只是一个简单的例子。Alglib中有很多内置功能，因此您需要在这里调整问题代码，以满足您的需要，包括边界约束、权重、步长、变量缩放等。从第二个链接中的示例和文档中可以清楚地看到如何做到这一切

还请注意，Alglib对MyFunc的方法签名非常挑剔，因此我将避免在这些输入周围移动或添加更多内容

---

或者，如果Alglib不能满足您的所有需求，您可以编写自己的Levenberg-Marquardt算法。

如果p是一个已知常数，

m

和

s

是可变的，您可以将您的双倍列表输入x？您读过了吗？@Sebastian是的，我猜答案就在那里的某个地方，但我无法根据那篇文章实际编写任何代码。试试C#的文档，这里有一些例子可以说明你要做什么：如果P是一个已知常数，

m

和

s

是变量，你把你的双倍列表输入到x中？你读过了吗？@sebastian是的，我有，我猜答案就在那里的某个地方，但我无法根据那篇文章编写任何代码。请尝试C#文档，这里有一些示例说明您正在尝试做什么：非常感谢您的帮助！如何设置P的值/如何使P成为拟合参数（c[2]）？Np！应该很简单-Alglib将假定c[]中的每个元素都是您的拟合参数，

objectobj

项是常量（您可以传入一个li