问题标签 [lmfit]

我想使用lmfit模块将函数拟合到可变数量的数据集，其中包含一些共享参数和一些单独参数。

这是一个生成高斯数据并分别拟合每个数据集的示例：

我正在使用 lmfit python 包进行非线性优化（网址：http ://lmfit.github.io/lmfit-py/ ）。我想知道在使用最小二乘拟合方法时是否可以通过雅可比函数？如果是，是否可以为我提供一个最小的例子？

谢谢！卡布瑞普

PS：代码如下：

PPS：我在 github 上找到了这个有价值的示例：https ://github.com/lmfit/lmfit-py/blob/master/examples/example_derivfunc.py

注意：在设法将 Jacobian 函数传递给 lmft.leastsq 之后，我意识到，在我的测试用例中，由 lmfit 返回的优化解决方案不再收敛到真正的解决方案。但是，当使用实际的 scipy.optimize.leastq 函数（由 lmfit 调用）时，一切正常，即返回的解决方案收敛，也包括适合的雅可比行列式。我并不是说 lmfit.leastsq 在为它提供雅可比函数时不能正常工作，但我建议谨慎对待这种情况。到目前为止，我还没有时间深入研究造成这种情况的原因。

情况：
我正在尝试根据合理建立的方程式优化天然小溪的参数，其中气体以一定的速率脱气或加气。我们在下游特定距离处测量了浓度，并希望使用优化技术来确定模型中某些未知参数的值。

我正在尝试使用 lmfit lmfit-py (github)使用下面粘贴的代码优化参数。

• 我希望允许一些未知参数对于流中的每个不同采样点具有不同的值（这反映了实际情况）。在脚本中，这些被称为“本地参数”。因此，这些参数的结果应该是流中每个位置的列表。

• 其他参数应优化为沿流的所有位置具有相同的值，称为“全局参数”。因此，这些参数的优化结果应该是单个值。

我正在使用 Python 3.2。

问题：

1. 目前我只得到所有参数的单值结果。
2. 可以lmfit用来产生优化的数组吗？
3. 我真的认为我没有正确设置脚本，可能没有正确调用边界和初始猜测或其他什么？？？

我正在使用的脚本：

我正在使用的数据：

多谢！

相关背景资料： http:
//lmfit.github.io/lmfit-py/

https://pypi.python.org/pypi/lmfit/

https://github.com/lmfit/lmfit-py

http://cars9.uchicago.edu/software/python/lmfit/

我希望用 2D 函数拟合数据，以便使用 lmfit 包提取参数 (a) 和 (b)。基本上作为一维函数拟合，我试图将每个数据点拟合到相同坐标（x，y）的二维函数。这意味着每个数据点都有其与另一个数据点不同的初始猜测值，因为每个数据都有不同的坐标（x，y）。这是我的代码：

但是，我收到此错误消息：

很明显，x和y的维度和data不一样，但是我不知道怎么让data[0]取(x1,y1),data[1]取(x1,y2)...,data[ 5] 取 (x2,y1) 等等。请任何人帮助我解决此问题或提出任何建议，在此先感谢您。

我想使用 LMFit将椭偏数据拟合到复杂模型中。两个测量参数psi和delta是复函数 中的变量rho。

我可以尝试使用共享参数或分段方法将问题分离为实部和虚部，但是有没有办法直接使用复杂函数来解决问题？仅拟合函数的实部可以很好地工作，但是当我定义复杂的残差函数时，我得到：

TypeError：没有为复数定义排序关系。

下面是我的真实函数拟合代码和我解决复杂拟合问题的尝试：

编辑： 我解决了虚部和实部分离变量的问题。数据的形状应为 [[imaginary_data],[real_data]]，目标函数必须返回一维数组。

也许有人可以帮助我。我花了几天的时间，但我无法解决这个问题。提前致谢。

我想将 2 个洛伦兹拟合到我的实验数据中。我将我的方程分解为两个洛伦兹lorentz1和lorentz2函数的简单形式。然后我定义了另外两个函数L1，并且L2只将一个常数乘以cnst它们。我要适应所有 4 个参数：cnst1, cnst2, tau1, tau2.

我使用lmfit：建模和最小化（可能都使用相同的方法）。

初始拟合参数以视觉上更接近精细拟合的方式设置。但是使用 lmfit 最小化会丢失（下面的第一张图片）：

使用这些参数：

但错误百分比很低：

另一方面，将参数包含在非常接近初始值（强制类似于初始值）：

使用参数：

fit 在视觉上更好，但误差值很大：

这是总代码：

我正在尝试将 2D-Gaussian 拟合到由一个 2D 数组给出的一些灰度图像数据。lmfit 库实现了一个易于使用的模型类，它应该能够做到这一点。不幸的是，文档（http://lmfit.github.io/lmfit-py/model.html）只提供了一维拟合的示例。就我而言，我只是用 2 个自变量构建 lmfit 模型。

以下代码对我来说似乎有效，但会导致 scipy 抛出“minpack.error：函数调用的结果不是正确的浮点数组”。

Tom 总结一下：如何将 2D (x1,x2)->(y) 数据输入到 lmfit 的模型中？

这是我的方法：一切都打包在一个 GaussianFit2D 类中，但这里是重要的部分：这就是高斯函数。该文档说明了用户定义的功能

当然，模型函数必须返回一个与被建模数据大小相同的数组。通常，这也通过指定一个或多个自变量来处理。

我真的不明白这应该是什么意思，因为对于给定的值 x1,x2，唯一合理的结果是标量值。

这里生成模型：

这是获取数据、构建模型和参数并调用 lmfit fit() 的函数：

Anf 终于在这里调用了这个 fit 函数：

我已经通过 PIP 安装了 lmfit

在 ipython notebook 中导入 lmfit 似乎可行。也就是说，导入不会给出任何错误消息，我可以从 lmfit 调用一堆函数。

但是，当我尝试从 lmfit 导入模型时，它给了我一个导入错误：

导入错误。

我认为这与安装失败有关，但不知道如何进一步诊断和/或如何修复它。有人有建议吗？

我正在使用 lmfit 将“复杂”模型拟合到实验数据中。

我这样定义模型的参数：

我使用 spinBoxes 来获取将用作初始值的值（我的程序是 GUI）。

我对 A1、A2、A3 和 A4 有疑问。它们是依赖的，它们的总和必须等于 1。

如果我评论

参数在 0 和 1 之间变化（我在定义参数时定义了这个范围），但它们的总和永远不会等于 1。

当这些行没有被注释时，我有以下异常：

我真的不知道这意味着什么。我试图增加最大递归深度，但没有任何改变。

您对问题所在有任何想法吗？

我是 python 新手，正在尝试使用 lmfit 拟合数据。我在这里关注 lmfit 教程：http://lmfit.github.io/lmfit-py/parameters.html 这 是我的代码（基于上面链接中解释的代码）：

问题：它返回 line return model-y 的语法错误

如果你能让我朝着正确的方向前进，我将不胜感激。