Python 使用可变参数的Scipy曲线拟合进行优化
假设我们有下面的函数来优化4个参数,我们必须按照下面的方式编写函数,但是如果我们想要相同的函数有更多的参数,我们必须重写函数定义Python 使用可变参数的Scipy曲线拟合进行优化,python,scipy,regression,non-linear-regression,Python,Scipy,Regression,Non Linear Regression,假设我们有下面的函数来优化4个参数,我们必须按照下面的方式编写函数,但是如果我们想要相同的函数有更多的参数,我们必须重写函数定义 def radius (z,a0,a1,k0,k1,): k = np.array([k0,k1,]) a = np.array([a0,a1,]) w = 1.0 phi = 0.0 rs = r0 + np.sum(a*np.sin(k*z +w*t +phi), axis=1) return rs 问题是,这
def radius (z,a0,a1,k0,k1,):
k = np.array([k0,k1,])
a = np.array([a0,a1,])
w = 1.0
phi = 0.0
rs = r0 + np.sum(a*np.sin(k*z +w*t +phi), axis=1)
return rs
问题是,这是否能以一种更自动、更直观的方式实现
示例如下,必须手写
def radius (z,a0,a1,a2,a3,a4,a5,a6,a7,a8,a9,k0,k1,k2,k3,k4,k5,k6,k7,k8,k9,):
k = np.array([k0,k1,k2,k3,k4,k5,k6,k7,k8,k9,])
a = np.array([a0,a1,a2,a3,a4,a5,a6,a7,a8,a9,])
w = 1.0
phi = 0.0
rs = r0 + np.sum(a*np.sin(k*z +w*t +phi), axis=1)
return rs