2

我编写了一个 Python (2.7) 程序来评估一些科学数据。它的主要任务是将这些数据拟合到某个函数（1）。由于这是相当多的数据，因此程序使用多处理将作业（=“适合一组数据”）分配给多个核心。在第一次尝试中，我使用 scipy.optimize 中的 curve_fit 实现了拟合过程，效果很好。

到目前为止，一切都很好。然后我们看到数据更精确地由函数（1）的卷积和高斯分布来描述。这个想法是首先将数据拟合到函数 (1)，得到猜测值，然后再次将数据拟合到卷积。由于数据非常嘈杂，并且我试图将其拟合到具有七个参数的卷积中，因此这次的结果相当糟糕。特别是高斯参数在某种程度上在物理上是不可能的。

所以我尝试在 PyMinuit 中实现拟合过程，因为它允许将参数限制在某些边界内（如正幅度）。由于我以前从未与 Minuit 合作过，并且我尝试从小处着手，因此我重写了拟合过程的第一（“简单”）部分。完成这项工作的代码片段如下所示（简化）：

import minuit
import numpy as np
# temps are the x-values
# pol are the y-values
def gettc(temps, pol, guess_values):
    try:
        efunc_chi2 = lambda a,b,c,d: np.sum( (efunc(temps, a,b,c,d) - pol)**2 )
        fit = minuit.Minuit(efunc_chi2)
        fit.values['a'] = guess_values[0]
        fit.values['b'] = guess_values[1]
        fit.values['c'] = guess_values[2]
        fit.values['d'] = guess_values[3]
        fit.fixed['d'] = True
        fit.maxcalls = 1000
        #fit.tol = 1000.0
        fit.migrad()
        param = fit.args
        popc = fit.covariance
    except minuit.MinuitError:
        return np.zeros(len(guess_values))
    return param,popc

其中 efunc() 是函数 (1)。参数 d 是固定的，因为我目前不使用它。
PyMinuit 函数参考
最后，实际问题来了：运行脚本时，Minuit 几乎每次都打印

VariableMetricBuilder: Tolerance is not sufficient - edm is 0.000370555 requested 1e-05 continue the minimization

到具有不同 edm 值的标准输出。合身仍然可以正常工作，但打印会大大减慢程序的速度。我试图增加 fit.tol 但有很多数据集返回更高的 edm。然后我尝试使用这个实际有效的解决方案隐藏 fit.migrad() 的输出。现在发生了一些奇怪的事情：在程序中间的某个地方，所有内核上的进程同时失败。不是第一次适合，而是在我的整个数据集的中间。我唯一改变的是

with suppress_stdout_stderr():
    fit.migrad()

我知道这是一个很长的介绍，但我认为当您了解整个框架时它会帮助您更多。如果有人对如何解决这个问题有任何想法，我将不胜感激。

注：函数（1）定义为

def efunc(x,a,b,c,d):
    if x < c:
        return a*np.exp(b*x**d)
    else:
        return a*np.exp(b*c**d)   # therefore constant
efunc = np.vectorize(efunc)
4

0 回答 0