复杂数据集曲线拟合问询：共享参数的双函数拟合实现

嘿，我看你现在是想给复数数据集做拟合，让实部和虚部的函数共享同一组参数，但目前是分开调用curve_fit分别拟合实部和虚部对吧？这样做的问题在于，两次拟合得到的参数a,b,c,d会是独立优化的，没法实现你想要的参数共享效果。我来给你调整下代码，实现同时拟合实部和虚部并共享参数的需求：

核心思路 #

把实部和虚部的计算合并成一个函数，让它返回拼接后的实部+虚部数组，同时把观测数据的实部和虚部也拼接成一个一维数组，这样curve_fit就能在一次拟合中同时最小化实部和虚部的残差，保证参数是两组数据共同优化出来的。

修改后的代码 #

import numpy as np
from scipy.optimize import curve_fit

# 假设k、kappa1、kappa2是你已经定义好的已知参数
# k = ...
# kappa1 = ...
# kappa2 = ...

def combined_func(x, a, b, c, d):
    # 先计算完整的复数表达式
    complex_term = (a + 1j*b) * (np.exp(1j*k*x - kappa1*x) - np.exp(kappa2*x)) + \
                   (c + 1j*d) * (np.exp(-1j*k*x - kappa1*x) - np.exp(-kappa2*x))
    # 把实部和虚部拼接成一个一维数组返回
    return np.concatenate([np.real(complex_term), np.imag(complex_term)])

# 准备拼接后的观测数据：实部在前，虚部在后
y_combined = np.concatenate([yReal, yImag])

# 执行拟合，可选传入初始参数p0帮助收敛
popt, pcov = curve_fit(combined_func, x, y_combined, p0=[1, 0, 1, 0])

# 输出共享的最优参数
print(f"最优参数：a={popt[0]:.4f}, b={popt[1]:.4f}, c={popt[2]:.4f}, d={popt[3]:.4f}")

补充说明 #

• 这样拟合出来的popt就是实部和虚部共享的参数组，相比分开拟合，结果更符合你“共享参数”的需求
• 如果拟合收敛有问题，一定要给curve_fit传入合理的初始参数p0，初始值越接近真实值，拟合成功率越高
• 确保k、kappa1、kappa2是提前定义好的已知量，不能是未赋值的变量

内容的提问来源于stack exchange，提问作者Lars Milz