Наименьшее количество проблем при передаче параметров Python

Question

Я пытаюсь соответствовать следующей функции: Снижение SNR в мои данные. C1, C2 и h - параметры, которые мне нужно получить из метода наименьшего количества. C1 и C2 просты, но проблема в том, что мой h(t) в действительности: , Я хочу получить коэффициенты hj внутри этой функции (в моем случае есть 35 различных hj). Эта функция является суммой различных базовых B-сплайнов, каждый из которых имеет различный вес, и количество коэффициентов равно количеству узлов B-сплайна. Поскольку я хочу получить C1, C2 и h1..35, я делаю следующее:

funcLine = lambda tpl, eix_x: (tpl[0]*np.sin((4*math.pi*np.sum(bsplines_evaluades * np.transpose([tpl[2],tpl[3],tpl[4],tpl[5],tpl[6],tpl[7],tpl[8],tpl[9],tpl[10],tpl[11],tpl[12],tpl[13],tpl[14],tpl[15],tpl[16],tpl[17],tpl[18],tpl[19],tpl[20],tpl[21],tpl[22],tpl[23],tpl[24],tpl[25],tpl[26],tpl[27],tpl[28],tpl[29],tpl[30],tpl[31],tpl[32],tpl[33],tpl[34],tpl[35],tpl[36],tpl[37]]) , axis=0))*eix_x/lambda1) + tpl[1]*np.cos((4*math.pi*np.sum(bsplines_evaluades * np.transpose([tpl[2],tpl[3],tpl[4],tpl[5],tpl[6],tpl[7],tpl[8],tpl[9],tpl[10],tpl[11],tpl[12],tpl[13],tpl[14],tpl[15],tpl[16],tpl[17],tpl[18],tpl[19],tpl[20],tpl[21],tpl[22],tpl[23],tpl[24],tpl[25],tpl[26],tpl[27],tpl[28],tpl[29],tpl[30],tpl[31],tpl[32],tpl[33],tpl[34],tpl[35],tpl[36],tpl[37]]) , axis=0))*eix_x/lambda1))*np.exp(-4*np.power(k, 2)*lambda_big*np.power(eix_x, 2))
func = funcLine
ErrorFunc = lambda tpl, eix_x, ydata: np.power(func(tpl, eix_x) - ydata,2)
tplFinal1, success = leastsq(ErrorFunc, [2, -2, 8.2*np.ones(35)], args=(eix_x, ydata))

tpl (0) = C1, tpl (1) = C2 и tpl(2..35)= мои коэффициенты. bsplines_evaluades - это матрица [35,86000], где каждая строка является временной функцией каждого базисного b-сплайна, поэтому я взвешиваю каждую строку с ее индивидуальным коэффициентом, 86000 - это длина eix_x. ydata(eix_x) - это функция, которую я хочу приблизить. лямбда1= 0,1903; lambda_big= 2; к =2* пи / lambda1. Выходными данными являются те же исходные параметры, которые не являются логическими. Может кто-нибудь мне помочь? Я тоже пробовал с Curvefit, но он не работает. Данные находятся по адресу: http://www.filedropper.com/data_5>http://www.filedropper.com/download_button.png width = 127 height = 145 border = 0 />
http://www.filedropper.com> онлайн резервное хранилище

РЕДАКТИРОВАТЬ Код прямо сейчас:

lambda1 = 0.1903
k = 2 * math.pi / lambda1
lambda_big = 2
def funcLine(tpl, eix_x):
    C1, C2, h = tpl[0], tpl(1), tpl[2:]
    hsum = np.sum(bsplines_evaluades * h, axis=1)  # weight each
    theta = 4 * np.pi * np.array(hsum) * np.array(eix_x) / lambda1
    return (C1*np.sin(theta)+C2*np.cos(theta))*np.exp(-4*lambda_big*(k*eix_x)**2)  # lambda_big = 2
if len(eix_x) != 0:
    ErrorFunc = lambda tpl, eix_x, ydata: funcLine(tpl, eix_x) - ydata
    param_values = 7.5 * np.ones(37)
    param_values[0] = 2
    param_values(1) = -2
    tplFinal2, success = leastsq(ErrorFunc, param_values, args=(eix_x, ydata))

Проблема в том, что выходные параметры не меняются относительно исходных. Данные (x_axis,ydata,bsplines_evaluades): gist.github.com/hect1995/dcd36a4237fe57791d996bd70e7a9fc7 gist.github.com/hect1995/39ae4768ebb32c27f1ddea97e24d96af gist.githbb1000_f1_1d0361d0251d0355257

Answer 1

Всегда полезно (как для себя, так и для нас) предоставить понятный пример, который является достаточно полным, чтобы его можно было запустить. Ваш пример с lambdas и очень длинная строка определенно не читается, поэтому вам очень легко пропустить простые ошибки. Одним из пунктов использования Python является упрощение чтения кода.

Хорошо иметь сплайн-коэффициенты в качестве подгоночных переменных, но вы хотите, чтобы np.ndarray переменных был точно одномерным. Таким образом, ваш массив параметров должен быть

param_values = 8.2 * np.ones(37)
param_values[0] = 2
param_values[1] = -2.
result_params, success = leastsq(errorFunc, param_values, ....)

Также должно быть хорошо использовать curve_fit(). Кроме того, трудно оказать большую помощь, поскольку вы не предоставляете ни полностью работоспособную программу (оставляющую множество терминов неопределенной), ни вывод или сообщения об ошибках при запуске вашего кода.

Answer 2

Здесь может быть несколько вещей: я не уверен, что вы индексируете tpl массив правильно (если он имеет 37 записей, индексы должны быть 0:36). И ваш errorFunc, вероятно, должен возвращать остаток, а не квадратный остаток.

Наконец, я думаю, что ваша h-сумма может быть неправильной: вы хотите суммировать по оси $N$, но не по оси $ x $, верно?

Вы можете привести в порядок свой код следующим образом и посмотреть, поможет ли он (без каких-либо данных это сложно проверить самостоятельно):

def funcLine(tpl, eix_x):
    C1, C2, h = tpl[0], tpl[1], tpl[2:]
    hsum = np.sum(bsplines_evaluades * h, axis=1)
    theta = 4 * np.pi * hsum * eix_x / lambda1
    return (C1 * np.sin(theta) + C2 * np.cos(theta)) * np.exp(-4  *lambda_big *
                 (k * eix_x)**2)

errorFunc = lambda tpl, eix_x, ydata: funcLine(tpl, eix_x) - ydata
tplFinal2, success = leastsq(errorFunc, [2, -2, 8.2*np.ones(35)],
                             args=(eix_x, ydata))