如何将自变量作为参数传递给lmfit最小化

Question

我对这个统计问题不熟悉。

因此，对于x的某些值，我有一个数据集y = f（x）。我想将此数据拟合为func，以便可以为y中的每个点计算x的值。

假设我要拟合的模型是类似的东西

def func(x,a,b,c):
    return a+b*x/c

现在要使用最小化功能，我必须定义参数：

params = Parameters()
params.add('a' , value = 10)
params.add('b' , value = 1)
params.add('c' , value = 2)

result = minimize(func, param, arg=(x, y))

我的问题是，如果我想将x变量作为参数并将其作为参数传递，该怎么办。

[基本上，当我将x作为变量传递时，我正在传递一个数组，该数组对应于我的数据集中的特定点。但是，我想使用x作为参数，因为我想为数据x的某些点查找y的值。

Answer 1

参数和拟合变量为标量浮点数。也就是说，它们具有一个可以连续取值范围的值。

您是说要让x的每个元素在拟合中独立变化吗？

通常使用最小化方法来拟合数据：找到变量的值集（例如a，b和c），以使y - func(x, a, b, c)尽可能小。] >

您不完整的代码段（要清楚，最好包含一个完整的示例，[）不这样做-不会将y传递到func中。 更重要的是，您似乎正在寻找“为数据x的某些点找到y的值”。这对我来说没有任何意义。...也许可以清理并澄清问题？