指数相减计算对称拟合模型时的AttributeError

Question

我建立了一个模型，用指数中的相减来拟合一些数据。它适用于fits，但是当我显式地计算模型时，我得到了奇怪的结果和一个AttributeError：'Mul‘对象没有属性'exp’。

这个问题似乎源于lambdify的工作方式，并在评估包含非平凡函数(如增强或指数)的模型时发生。

import symfit as sf

a = sf.Parameter('a',1,0,2) #name, initial value, minimum, maximum
b = sf.Parameter('b',1,0,2)
c=sf.Parameter('c',1,0,2)
x, y = sf.variables('x, y')

model=sf.Model({y: a * (c - sf.exp((x) / b))})
model(1,a,b,c)
Out: Ans(y=a*(c + 1))

model=sf.Model({y: a * (1 - sf.exp((x-c) / b))})
model(1,a,b,c)
Traceback (most recent call last):

  File "<ipython-input-9-faba3b52b923>", line 1, in <module>
    model(1,a,b,c)

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\symfit\core\fit.py", line 334, in __call__
    return Ans(*self.eval_components(**bound_arguments.arguments))

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\symfit\core\fit.py", line 296, in eval_components
    return [expr(*args, **kwargs) for expr in self.numerical_components]

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\symfit\core\fit.py", line 296, in <listcomp>
    return [expr(*args, **kwargs) for expr in self.numerical_components]

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\sympy\utilities\lambdify.py", line 444, in wrapper
    return funcarg(*newargs, **kwargsx)

  File "<string>", line 1, in <lambda>

AttributeError: 'Mul' object has no attribute 'exp'

我希望参数的初始值被使用，或者得到一个象征性的答案，但两者都得不到。

因此，对于第一个模型，结果是错误的，也是不一致的。

Ans(y=a*(c-exp(1/b)) 

或

Ans(y=a*(c-1)) 

或者只是简单的

Ans(y=0)

对于第二个模型，lambdify似乎无法解析表达式。

在使用sf.sqrt()或sympy.exp()时也是如此。我在python3.6.7和IPython 7.1.1中工作，使用Symfit 0.4.6和Sympy1.1.1(因为Symfit不适用于更高版本的pip)。

我可以使用任何一种模型来拟合数据，并使用最好的拟合参数来评估模型，如这里的示例(https://pypi.org/project/symfit/)所示。线

yfit = model(x=xdata, **fit_result.params)[y] 

也不能工作(在python 2.7、3.5和3.6上尝试)，除非更改为

yfit = [model(x=x, **fit_result.params) for x in xdata]

Answer 1

在Model中调用symfit意味着符号表达式被转换为lambda函数，即不再是符号的普通python函数。

在您的例子中，调用

sf.Model({y: a * (c - sf.exp((x) / b))})

等于写

lambda x, a, b, c: a * (c - np.exp((x) / b))

注意，符号指数现在已更改为numpy指数。从这个例子中可以看出，模型不是用符号表达式调用的，而是用数字或数组调用的。

所以你的电话应该改为

model(x=1, a=1, b=1, c=1)

如果您需要在符号级别上工作，请继续直接使用Model中的表达式，该调用纯粹用于数字用途。

最后，文档中的示例假设xdata是一个数组，但在示例中它是一个列表。那应该由我来更新。

最后，学习喜欢python中的关键字参数;)。以下内容相当于：

a = sf.Parameter('a',1,0,2) #name, initial value, minimum, maximum
a = sf.Parameter('a', value=1, min=0, max=2)

但只有一个是自我记录:)。