创建具有任意数量参数的 python lmfit 模型

有没有办法根据具有任意数量因变量的函数构建 lmfit 模型？例如：

from lmfit import Model

def my_poly(x, *params):
  func = 0
  for i in range(len(params)):
    func+= params[i]*z**i
  return func

#note: below does not work
my_model = Model(my_poly, independent_vars = ['x'], param_names = ['A','B','C'])

如果我对多项式级数感兴趣并且想要测试级数增长或收缩时的性能，与上面类似的东西会很棒。

Since Model()使用函数参数名称来构建参数名称，使用*params工作起来并不容易（人们怎么知道如何称呼它们A, B, C， 并不是coeff0, coeff1, coeff2， 或者是其他东西？）。

我不知道那是一个真正的任意数量可以支持，但是应该可以做到非常大的数量。多项式模型（参见http://lmfit.github.io/lmfit-py/builtin_models.html#polynomialmodel http://lmfit.github.io/lmfit-py/builtin_models.html#polynomialmodel and https://github.com/lmfit/lmfit-py/blob/master/lmfit/models.py#L126 https://github.com/lmfit/lmfit-py/blob/master/lmfit/models.py#L126用于实现）支持最多 7 个系数。将其扩展到更大的数字应该没有问题。它可能很容易导致计算问题，但我认为这就是您期望探索的。

如果你愿意做一点小小的改变is有可能做你正在寻找的事情。这使用关键字参数而不是位置参数，并依赖于参数名称顺序（即sort) 来指示哪个系数与哪个指数对应，而不是位置参数的顺序。这可能接近您正在寻找的内容：

import numpy as np

from lmfit import Model, Parameters

def my_poly(x, **params):
    val= 0.0
    parnames = sorted(params.keys())
    for i, pname in enumerate(parnames):
        val += params[pname]*x**i
    return val

my_model = Model(my_poly)

# Parameter names and starting values
params = Parameters()
params.add('C00', value=-10)
params.add('C01', value=  5)
params.add('C02', value=  1)
params.add('C03', value=  0)
params.add('C04', value=  0)

x = np.linspace(-20, 20, 101)
y = -30.4 + 7.8*x - 0.5*x*x + 0.03 * x**3 + 0.009*x**4
y = y + np.random.normal(size=len(y), scale=0.2)

out = my_model.fit(y, params, x=x)
print(out.fit_report())

希望有帮助。