巨蟒身上的细节2-像个老板
iminuit的Python项目详细描述
^ {EM1}$imuuIT
它可以作为一种通用的鲁棒函数最小化方法, 但最常用于模型对数据的似然拟合, 通过似然分布分析得到模型参数误差估计。
- 代码:https://github.com/scikit-hep/iminuit
- 文档:http://iminuit.readthedocs.org/
- 吉特:https://gitter.im/HSF/PyHEP
- 邮件列表:https://groups.google.com/forum/#!forum/scikit-hep-forum
- 圆周率:https://pypi.org/project/iminuit/
- 许可证:minuit2是lgpl,iminuit是mit
- 引文:https://github.com/scikit-hep/iminuit/blob/master/CITATION
简而言之
fromiminuitimportMinuitdeff(x,y,z):return(x-2)**2+(y-3)**2+(z-4)**2m=Minuit(f)m.migrad()# run optimiserprint(m.values)# {'x': 2,'y': 3,'z': 4}m.hesse()# run covariance estimatorprint(m.errors)# {'x': 1,'y': 1,'z': 1}