问题标签 [lmfit]

我对lmfit包中的参数有 2 个问题。

1.

有没有办法为自定义模型预设参数值？

例如。

例如，在倒数第二行中，amp=2000初始化参数amp。如果我想在内置模型中修复这个参数（例如这个）：

问题 1

是否可以在自定义模型的行或其他地方将参数的值固定amp为 2000 ？mod.fit()

2.

我正在尝试为自定义复合模型分配前缀，如下所示：

当我尝试上述行时，我得到了：

如果有很多自定义模型，那么初始化其中的所有参数mod.make_params()（如我在上面的 1. 中所示）可能会很乏味。该问题似乎在此处讨论（1 , 2），但它们并没有真正说明如何为复合模型的单独组件实际分配前缀。

问题2

是否可以为复合自定义模型分配前缀lmfit？

这是一个关于从lmfit fit_report()( 1 ) 对象中提取拟合统计信息的问题

在此 lmfit示例中，返回以下部分输出：

我试图将该Fit Statistics部分中的所有数量提取为单独的变量。

例如。要提取模型参数，我们可以使用 (per 1 , 2 )：

然而，这只给出了模型参数；它没有给出拟合统计参数，这些参数也很有用。我似乎在文档中找不到这个。

是否有类似的方法可以分别提取拟合统计参数（chi-square、reduced chi-square、function evals等）？

我正在lmfit使用带有以下代码的一些测试数据来运行 Python 2.7。1/y我需要权重为（使用 Leven-Marq. 例程）的加权拟合。我已经定义了权重并在这里使用它们：

输出是：

最后一行（就在此处上方，或紧接在 之前plt.plot(xd, yd, 'bo', label='raw')）是 R^2 并且结果拟合附在此处。.

R^2 和输出的目视检查表明这是一个合理的拟合。我期待减少 1.00 阶的卡方（来源）。但是，减少的卡方值的返回值比 1.00 小几个数量级。

由于默认情况下没有权重并且lmfit我需要加权拟合，因此我已经定义了权重，但我认为我需要以不同的方式指定它们。我怀疑这种权重规范可能导致减少的卡方变得如此之小。

是否有不同的方法来指定权重或其他一些参数，以便曲线拟合后减少的卡方接近或等于 1.00 的大小？

我正在尝试使用 Python 库lmfit拟合数据。在数据中，有两个高斯函数，第二个（LO）高于第一个（TO）。代码如下：

我可以制作这个图表：

lmfit还生成以下报告：

起初，最终和初始 LO_amplitudes 与报告中的不对应（您可以看到，初始值为 2e4，但在图中至少为 5e4）。怎么来的？

其次，我期待合身会更好，而所有界限都已设定。

编辑 1 - 添加数据

我已经发布了完整的脚本，只有缺少的是加载数据：

以下是数据：

I am working on a Python fitting code for Michaelies-Menten, a non-linear equation, able to include weighted errorbars. At the moment I have tried using Minimizer and model.fit from lmfit. Though Minimizer does not include weighted errorbars and model.fit seems to be less statistical than Minimizer.
Is there a way to include weighted errorbars in Minimizer?
Would scipy.optimize.curve_fit be a better way to fit this code?
Or is there another fitting program that would be better?

My code is below

Hope you can help me! Cheers

我已经使用 lmfit 大约一天了，不用说我对图书馆知之甚少。我一直在使用几个内置模型进行曲线拟合，除了对数正态模型外，它们都可以完美地处理数据。

这是我的代码：

错误输出是：

我想使用包括朗之万函数和对分布函数 [ 1 ]的磁模型来拟合具有超顺磁行为的磁滞曲线。为了适应这个方程，我必须求解一个定积分。我试图为此目的使用 scipy.integrate.quad 和 lmfit 的功能，但我没有得到 - 至少 - 来模拟合理的曲线（参见下面的代码）。可以用来模拟这个方程的一些实际物理参数是：Dm = 3.2E-9 m，w = 0.26，NT = 1.7E12，kB=1.38E-23 J/K 和 T=300K。使用此值进行模拟必须产生超顺磁曲线，如下面的链接中包含的那样。我将不胜感激任何使此代码工作并改进它的建议。

朗之万方程与 PDF

www.dropbox.com/pri/get/superpara.dat?_subject_uid=197016565&w=AADkHqW1w-gE9pQkG0oLoE7tNG1J-rWxN0lcIM9ioXWiLA

我正在尝试对这些数据进行高斯拟合

我已经尝试了Python gaussian fit on simulation gaussian noise data和Fitting (a gaussian) with Scipy vs. ROOT et al中给出的示例 ，但没有运气。

我正在寻找这样做，lmfit因为它有几个优点。这个尝试是按照lmfit文档完成的，这里是代码和情节

所以绿色是与初始参数的拟合，蓝色是最好的拟合，正如你所看到的，我得到一个从我的点和一条直线偏移的高斯。

此外，我的数据的第三行是 y 轴上的误差。在拟合数据时如何考虑错误lmfit？

我正在尝试模拟一个非常用于分析磁性材料的模型。最初，我用python写了这段代码，但没有得到结果；然后，我决定使用 Mathematica 进行相同的模拟 [ 1 ] 并且它似乎工作正常，至少它显示了与预期相似的曲线，但是当它被转换为 python 时（使用 lmfit 包和 scipy.integrate.quad）它只显示一条线。我还应该考虑什么才能让它在 python 中正常工作？

数学代码

这是我所拥有的：

任何帮助，将不胜感激。谢谢！

我正在使用 lmfit minimize 在 3D 点的数据集上拟合 3D 线。

错误是 TypeError: Improper input: N=4 must not超过 M=1。

我知道这是因为只有 1 个残差（距离）和 4 个参数，但这正是我所需要的。我想优化 4 个参数以获得最小的距离总和。