Как передать серию или массив фрейма данных в экспоненциальную функцию при расчете кривой

Я пытаюсь использовать модуль scipy.optimize.

Моя экспоненциальная функция:

a - (a - b) np.exp( -(c + Q / V) * t )

Мне нужно найти a, b, c из уравнения путем оптимизации.

V = 1200 # constant

мой фрейм данных выглядит так:

time(t)   value    score(Q)
1.0       2.347    4500
2.0       2.345    4600
3.0       2.523    4655
4.0       2.723    4500
    ...
    ...
100.0    5.6787    7000
    ...

Значения в поле значений увеличиваются линейно.

Моя подходящая функция для приведенной выше экспоненты:

def my_exp(Q, t, a, b, c): #just added Q here  
    V = 1280
    return a - (a - b) np.exp( -(c + Q / V) * t )

# Q = 5000 #mean value from column score
# getting values
c, cov = curve_fit(lambda t, a, b, c: my_exp(Q, t, a, b, c), df['time'], df['value'])

сценарий 1: когда столбец оценки не указан, при условии, что константа должна быть передана как (например: Q = 5000). Я попытался взять среднее значение из серии оценок, и это работает.

сценарий 2: когда указан столбец оценок, отправьте ряд оценок в экспоненциальную функцию Q, которая должна предоставлять значение оценки в каждый момент времени.

Как я могу отправить значения массива серии оценок в экспоненциальную функцию Q, чтобы получить оптимизированное значение?

Это правильный способ сделать curve_fit для вышеупомянутых данных или мне нужно следовать любым другим моделям подбора кривой?


python scipy-optimize curve-fitting
person Sai Kiran    schedule 20.07.2020    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Привет, поскольку грязная работа вокруг вас может сделать следующее:

  • не передавайте Q в качестве аргумента.
  • сделать Q глобальным списком
  • поскольку t в основном представляет собой целочисленный вызов внутри my_epx, значение Q через Q[ int( round( t ) ) ]

Изменить/дополнить

Это должно прояснить:

import numpy as np
from scipy.optimize import curve_fit

# setting static values
v = 2500
qlist = [ np.random.randint(4500, 4650 ) for i in range( 15 ) ]
tlist = np.arange( 1, 16 )
noiselist = np.random.normal( 0, 0.3, 15 )
a0 = 5
b0 = 2.2
c0 = -.78

# simple function checking for iterable first argument
def my_exp( t, a, b, c):
    if isinstance( t, ( list, tuple, np.ndarray ) ):
        out = np.fromiter( ( my_exp( tt, a, b, c) for tt in t ), np.float )
    else:
        localindex = int( round ( t ) ) - 1 ## -1 as t starts at 1 but index at 0
        localq = qlist[ localindex ]
        out = a - ( a - b ) * np.exp( -( c + localq / v ) * t )
    return out

# creating some test data with noise
testdata = my_exp( tlist, a0, b0, c0 )
testdatanoisy = testdata + noiselist

# fitting, does not even require start values
sol, _ = curve_fit( my_exp, tlist, testdatanoisy )
print sol
# works

который дает что-то вроде:

>> [ 4.89673111,  1.70423291, -0.72995739 ]
person mikuszefski    schedule 22.07.2020
comment
Привет, @mikuszefski, я пытался, как ты объяснил, но получаю сообщение об ошибке. ` Ошибка типа: тип RangeIndex не определяет метод round `, и я пытался напечатать t, но получаю это RangeIndex(start=0, stop=622, step=1). Правильно ли я передаю t? Если нет, не могли бы вы предложить мне другой способ - person Sai Kiran; 22.07.2020
comment
@SaiKiran извините за путаницу. Ты прав. Вы правильно передаете t, но я забыл, что он, скорее всего, будет передан как массив. Как следствие, вам нужно перебирать этот массив самостоятельно. - person mikuszefski; 23.07.2020