两种不同函数的拟合

Question

关于Python中的一个简单的fit函数，我有一个问题。我试图在一个数据集上安装两个不同的函数，这两个系统之间的边界也应该是一个合适的参数。我很天真地试着做这样的事：

def FitFunc(x, a, b, c, d, e, border):
    if x < border:
        return a * x + b
    if x > border:
        return c * x**2 + d * x + e

但我得到了一个ValueError：

系列的真值是模糊的。使用a.empty()、a.bool()、a.item()、a.any()或a.all()

我知道您不能将我的x数组与整数值进行比较(这个值甚至没有分配给固定值，这应该由curve_fit过程来完成)。

我无法找到解决这个所谓简单问题的办法。有人能帮我解决这件事吗？

提前感谢！

编辑:我构造了一个示例：

对于带有x<5的数据，这是用线性函数(y=x-3)完美描述的，对于x>5，这是用平方函数(y=x**2/5-3*x/5)完美描述的。假设你不知道x是完美的‘边框’，有没有办法让curve_fit知道呢？

Answer 1

错误消息是，将数组(x)的值与标量值(border)进行比较是不明确的。您的意思是x的值是否小于border，或者如果x的所有值都小于border？

我怀疑您真正想要的是numpy的where函数，它有点像遍历x并决定逐点使用哪个表达式，但速度要快得多：

def FitFunc(x, a, b, c, d, e, border):
    out = a * x + b
    out[np.where(x > border)] = c * x**2 + d * x + e
    return out

我认为这就是您想要的，并且应该能够基于border选择合适的函数形式。

然而，我要提醒的是，它可能不会做你想做的事。也就是说，看起来您希望border是一个合适的变量。

optimize例程中的拟合变量(以及大多数“曲线拟合”上下文)需要是连续的浮点变量。您的border变量将用作x索引的离散整数值，以更改函数形式。拟合算法将首先选择一个值(假设为5.0)，然后对该值进行非常小的更改(例如，5.0000002)。这不会改变两个函数形式之间的断点所在，fit将决定border不更改fit。我真希望我有办法绕过这件事。