问题标签 [lmfit]

有谁知道是否有Stata nl（非线性最小二乘）包的实现Python？我尝试使用lmfit以及optimize.leastsqfrom scipy，但两者似乎都不起作用。

回归方程为

其中Y是因变量，x's是自变量，b's是要估计的系数。

使用该lmfit软件包，我尝试了以下操作：

结果，所有参数估计为NaN。谁能解释我做错了什么？或者，在 Python 中有没有很好的实现 Stata 的 nl ​​函数？非常感谢！

这是 CSV 文件中的数据：

x1,x2,x3,y
1981,15.2824955,14.56475067,2.936807632
1982,15.2635746,15.52343941,2.908272743
1983,15.30461597,16.30871582,2.940227509
1984,15.37490845,16.76519966,3.001846313
1985,15.41295338,17.04235458,3.030970573
1986,15.44680405,17.25271797,3.055702209
1987 ,15.48135281,17.44781876,3.081344604
1988,15.52259159,17.62217331,3.113491058
1989,15.5565939,17.71343422,3.138068199
1990,15.57392025,17.81187439,3.144176483
1991,15.57197666,17.89474106,3.128887177
1992,15.60479259,17.98217583,3.14837265
1993,15.63134575,18.06685829,3.161927223
1994, 15.67116165,18.16578865,3.18959713
1995,15.69621944,18.27449799,3.202876091
1996,15.7329874,18.38712311,3.228042603
1997,15.77698135,18.50685883,3.260077477
1998,15.81788635,18.63579178,3.289312363
1999,15.86141682,18.76427078,3.321393967
2000,15.89737129,18.89691544,3.34650898
2001,15.90485096,18.99729347,3.344522476
2002,15.92070866,19.06253433,3.351119995

在这段代码中，我想在 python 中调用“amp”、“shift”等参数。print(amp)..各种东西 拟合后如何在python中调用这些参数？当我使用 print(amp) 时，会显示错误消息；名称“amp”未定义。如何使用打印功能打印这些拟合参数？（等打印（放大器））

例如我有数据：

其中 x 是 x 轴，y1, y2, y3 是三个不同的数据集，它们被拟合在一起。

为简单起见，以下是拟合代码的简化版本：

in minimize(objective, fit_params, args=(x, data)): datais data[y][z]: y - 数据集，z - 该数据集中的数据。并且x是 x 轴。

如何修改我的 python 脚本 lmfit 最小化以忽略丢失的数据点或重写我的脚本，以便每个数据都有自己的 x 轴？：

我也不能使用多个最小化拟合（脚本实际上比上面显示的更复杂），所以 first = minimum(objective, fit_params, args=(x1, y1)), second = minimize(objective, fit_params, args=(x2, y2 )) 不是有效的答案。

这是参数置信区间的 LMFIT 实现的链接：http://lmfit.github.io/lmfit-py/confidence.html这 是我正在使用的代码：

我想在 中指定选项的epsfcn值。可以指定值吗？leastsqlmfitepsfcn

我有实验数据：

和公式f(x) = m1 + m2 / (1 + e ^ (-m3*(x - m4)))。我需要m1, m2, m3, m4用最小二乘法找到，其中 0.05 < m1 < 0.3 0.3 < m2 < 0.8 0.05 < m3 < 0.5 100 < m4 < 200。

我使用curve_fit，我的功能是：

但是程序返回错误：RuntimeError: Optimal parameters not found: Number of calls to function has reached maxfev = 1000.

该怎么办？

无法正常工作并出现以下警告：

但适用于

Lmfit 也不起作用。

我对 python 和 lmfit 模型很陌生，遇到了一些麻烦。我想为我的实验数据拟合一个峰值函数（比如高斯或 Voigtian 轮廓），但它从来没有给我任何好的结果。它的最佳拟合是线性函数，它描述了我的峰轮廓的基线。

拟合过程的 x 数据只是从 0 到 100 的数字。这是我的 y 数据：

我尝试了以下具有不同模型函数（Gaussian、Voigtian 和 PseudoVoigtian）的方法：

完全相同的代码对于我创建的配置文件测试功能非常有效，所以我想它没有任何问题。但是对于真实的测量数据，无论我选择哪种剖面模型，它总是给出一个线性函数。这是一个例子：

我使用以下方法进行了另一次尝试，但在这里，它根本不适合某些东西，我只得到了 nan 值，尽管它适用于我的高斯测试函数：

我试图用原点拟合数据，它肯定有效（所以数据不是'不合适'），但我怎样才能用 python 正确地做到这一点？你有没有其他我可以尝试的方法或我可以初始化的东西来使它工作？

我已经就这个主题提出了一个问题，但我不确定是否应该在此处发布，所以我在这里提出了一个新问题。

拟合两个或更多峰时我又遇到了麻烦。第一个问题出现在计算的示例函数上。

我尝试了两种不同的方法，我在文档中找到，如下所示（针对我的数据进行了修改），但都给了我错误的拟合数据和混乱的图表（我猜每个拟合步骤只有一行）。

第一次尝试：

当我包含“分数”参数时，我经常得到

虽然它应该被定义。我也用这种方法得到了真实数据的这个错误。

第二次尝试：

所以结果看起来像这样，在这两种情况下。它似乎绘制了所有拟合尝试，但从未正确解决它。最佳拟合参数在我给出的范围内。

有人知道这种类型的错误吗？或者对此有什么解决方案？有谁知道如何避免使用这些方法NameError调用模型函数lmfit？

如何在以下代码中禁止打印“添加参数”

谢谢。