如何从C#指数拟合函数中返回最优A和b值？

现有基于MathNet.Numerics的C#非线性回归指数拟合代码，当前FitCurve函数返回的MinimizingPoint被误当作x轴起始点，实际需要获取指数公式y = A * exp(-x * b)中的最优A和b值，以下是修改方案：

核心问题分析 #

• 原模型公式与目标公式不符：原代码模型为y = parameters[0] * Math.Exp(parameters[1] * x[i])，但目标是y = A * exp(-x * b)，需调整指数项符号。
• 返回值结构混乱：原函数返回的元组包含x数据、拟合y值、参数列表，导致调用方误将参数当作坐标点处理。
• result.MinimizingPoint本身就是拟合得到的最优参数数组，其中对应目标公式的A和b，无需额外处理。

修改后的拟合函数代码 #

using System;
using System.Collections.Generic;
using MathNet.Numerics.LinearAlgebra;
using MathNet.Numerics.LinearAlgebra.Double;
using MathNet.Numerics.Optimization;

namespace NonLinearRegressionExample
{
    public class NonlinearRegressionCurveFitting
    {
        // 修改返回类型为具名元组，直接返回x数据、拟合y值、A和b参数，语义更清晰
        public static (List<double> xData, List<double> fittedY, double A, double b) FitCurve(List<double> xData, List<double> yData)
        {
            var xDataDense = new DenseVector(xData.ToArray());
            var yDataDense = new DenseVector(yData.ToArray());

            // 修正模型公式，完全匹配目标y = A * exp(-x * b)
            Vector<double> Model(Vector<double> parameters, Vector<double> x)
            {
                var y = CreateVector.Dense<double>(x.Count);
                // parameters[0]对应A，parameters[1]对应b，指数项添加负号
                for (int i = 0; i < x.Count; i++)
                {
                    y[i] = parameters[0] * Math.Exp(-parameters[1] * x[i]);
                }
                return y;
            }

            // 初始参数猜测值，可根据实际数据范围调整
            var start = new DenseVector(new double[] { 1.0, 0.1 });
            var objective = ObjectiveFunction.NonlinearModel(Model, xDataDense, yDataDense);
            var solver = new LevenbergMarquardtMinimizer(maximumIterations: 10000);
            var result = solver.FindMinimum(objective, start);

            // result.MinimizedValues是拟合得到的y值数组
            var fittedY = new List<double>(result.MinimizedValues.ToArray());
            // result.MinimizingPoint就是最优参数：[0]对应A，[1]对应b
            double optimalA = result.MinimizingPoint[0];
            double optimalB = result.MinimizingPoint[1];

            return (xData, fittedY, optimalA, optimalB);
        }
    }
}

修改后的驱动程序代码 #

var fittingResult = NonlinearRegressionCurveFitting.FitCurve(xData, yData);

List<double> originalX = fittingResult.xData;
List<double> originalY = yData;
List<double> fittedY = fittingResult.fittedY;
double A = fittingResult.A;
double b = fittingResult.b;

// 输出拟合得到的参数
Console.WriteLine($"拟合得到的指数公式：y = {A:F4} * exp(-x * {b:F4})");

// 绘图展示
DataPlotter plotter = new DataPlotter();
plotter.AddCurve("原始数据", originalX, originalY, IsSymbolVisible: false, color: Color.Red);
plotter.AddCurve("拟合曲线", originalX, fittedY, IsSymbolVisible: false, color: Color.Green);
plotter.ShowDialog();

关键修改说明 #

• 模型公式修正：在Model方法中，将指数项从parameters[1] * x[i]改为-parameters[1] * x[i]，完全匹配目标公式y = A * exp(-x * b)。
• 返回类型优化：使用具名元组直接返回xData、fittedY、A、b，避免调用方混淆返回值含义。
• 参数提取：直接从result.MinimizingPoint提取最优A和b，无需将其当作坐标点处理。

内容的提问来源于stack exchange，提问作者user366312