我在尝试曲线拟合某些数据时遇到了一个问题。我有一些错误,所以我回到了lmfit库的基础知识。我试着用曲线拟合一个简单的例子,我也遇到了同样的问题
import numpy
from lmfit import Model, Parameters
x = numpy.arange(1,20)
y = numpy.arange(1,20)*2
def funTE(x, coeff0, coeff1):
return x * coeff0 + coeff1
model = Model(funTE, independent_vars=['x'], param_names=["coeff0", "coeff1"])
params = Parameters()
params.add("coeff0", vary=True)
params.add("coeff1", vary=True)
result = model.fit(data=y[:], param=params, x=x[:])
发生以下错误:
ValueError: The model function generated NaN values and the fit aborted! Please check your model function and/or set boundaries on parameters where applicable. In cases like this, using "nan_policy='omit'" will probably not work.
如果你们中有人知道我如何解决这个问题,我将非常感激(已经浪费了很多时间)
您绝对必须为参数提供初始值。从来没有例外
不给出初始值是不合理的,必须导致错误消息
首先,你在最后一行有一个打字错误。parameters参数实际上被称为
params
。输入错误是一个警告,考虑到回溯的其余部分,在本例中很容易漏掉你的实际问题。通过不为参数指定起始值,它们默认为-inf,这就是导致NaN的原因。当您不设置初始值时,它将默认为参数可以得到的下限,如果没有定义,它将默认为-inf。我很惊讶documentation没有用巨大的红色箭头和圆圈来吸引您的注意。或者至少在创建初始值为无穷大的参数时抛出警告
修复
您也可以让模型自动生成参数,但必须如上所述提供初始值以避免相同的无穷大问题
顺便说一下,如果未定义
params
参数,脚本将在内部生成带有model.make_params()
的参数,这将导致所有初始值都是-inf,如上所述在定义了初始值但仍然得到NaN的更一般情况下,模型可能存在必须解决的问题,例如,除以0、负数的根/对数、导致溢出的大值等
相关问题 更多 >
编程相关推荐