根据MINUIT参数进行Python变换

Question

我正在编写一个基于scipy的二维数据的自动曲线拟合程序优化.leatsq，而且有效。但是，当添加许多曲线时，其起始值很小，我会得到非物理结果（例如，负振幅）。在

我发现了这篇文章Scipy: bounds for fitting parameter(s) when using optimize.leastsq，并试图根据Cern的Minuit使用参数转换。在上面提到的问题中，有人提供了一些python代码的链接。在

code.google.com/p/nmrglue/source/browse/trunk/nmrglue/analysis/leastsqbound.py

我写了这个最小的工作示例（扩展代码）

^{pr2}$

这是绘图输出，其中绿色为起始条件，红色为拟合结果：

这是正确的用法吗？External2internal转换只是在边界外抛出一个nan。莱斯特斯克似乎能处理好这件事？在

我上传了配件数据here。只需粘贴到名为约束.dat. 在

Answer 1

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

1. 它还使用了Levenberg-Marquardt（LM）算法scipy.optimize.leatsq. 不确定是可以的。

2. 它不仅允许您用边界约束拟合参数，还可以用它们之间的数学表达式约束拟合参数，而无需修改拟合函数。

3. 忘了用那些糟糕的p[0]，p[1]。。。在拟合函数中。只需通过parameters类使用拟合参数的名称。

Answer 2

在sega_-sai的回答之后，我使用mpfit.py在

import matplotlib.pyplot as plt
from mpfit import mpfit
import numpy as np

def _evaluate(p, x):
    '''
    Linear plus Lorentzian curve
    p = list with three parameters ([a, b, I, Pos, FWHM])
    '''
    return p[0] + p[1] * x + p[2] / (1 + np.power((x - p[3]) / (p[4] / 2), 2))

def residuals(p, fjac = None, x = None, y = None, err = None):
    status = 0
    error = _evaluate(p, x) - y
    return [status, error / err]

if __name__ == '__main__':
    data = np.loadtxt('constraint.dat') # read data
    x = data[:, 0]
    y = data[:, 1]
    err = 0 * np.ones(y.shape, dtype = 'float64')
    parinfo = [{'value':5000., 'fixed':0, 'limited':[0, 0], 'limits':[0., 0.], 'parname':'a'},
               {'value':0., 'fixed':0, 'limited':[0, 0], 'limits':[0., 0.], 'parname':'b'},
               {'value':500., 'fixed':0, 'limited':[0, 0], 'limits':[0., 0.], 'parname':'I'},
               {'value':2450., 'fixed':0, 'limited':[0, 0], 'limits':[0., 0.], 'parname':'Pos'},
               {'value':3., 'fixed':0, 'limited':[0, 0], 'limits':[0., 0.], 'parname':'FWHM'}]
    fa = {'x':x, 'y':y, 'err':err}
    m = mpfit(residuals, parinfo = parinfo, functkw = fa)
    print m

拟合结果如下：

^{pr2}$

所以结论是：两种方法都有效，都允许约束。但由于mpfit来自一个非常成熟的来源，我更相信它。如果可能的话，它也支持错误值。在

Answer 3

目前已有一种流行的受限Lev-Mar码

http://adsabs.harvard.edu/abs/2009ASPC..411..251M

用python实现

http://code.google.com/p/astrolibpy/source/browse/mpfit/mpfit.py

我建议不要重新发明轮子。在