我正在尝试编写一个代码,用于使用 symfit 模块同时使用两个不同的方程和一些共享参数来拟合两个数据集。它太复杂了,无法在这里展示,所以我展示了具有相同命令且更简单的另一个代码。在这里,我尝试用线性函数拟合一系列数据,但斜率呈高斯分布。 这是代码:
`
import symfit as sf
from symfit import parameters, variables, Fit, Model, Ge, CallableModel
from symfit.core.minimizers import BFGS, BasinHopping, NelderMead, DifferentialEvolution
xd= [1.1, 3, 5, 7, 9, 11, 14, 19, 25, 32, 44]
yd= [5.5, 8, 11, 14, 18, 22, 28, 35,45, 69, 110]
pi=3.14
x, y = variables('x, y')
a = sf.Parameter('a',value=3)
b = sf.Parameter('b',value=0.7)
sigma= sf.Parameter('sigma',value=0.7)
res=0
norm=0
for i in range(1,5):
atemp= (a + ((i-1)*3*sigma/2))
gauss= sf.exp(-(atemp-a)**2/(2*(sigma**2)))/sf.sqrt(2*pi*(sigma**2))
res= res+ gauss* (atemp * x + b)
norm= norm + gauss
if i == 4:
firstres= res
firstnorm= norm
res=0
norm=0
funfit = Model({y: (firstres/firstnorm)})
fit = Fit(funfit, x= xd, y=yd, minimizer=[NelderMead, BFGS])
fit_result = fit.execute()
print(" Best-Fit Parameters: ", fit_result)
`
这就是我遇到的错误 “NameError:名称‘DiracDelta’未定义”
最佳答案
您可以尝试用 GradientModel
甚至 CallableModel
替换 Model
。出现问题的原因是默认情况下会计算模型的 Hessian 矩阵,而对于高斯矩阵,这会产生一个未简化的 DiracDelta。使用这些其他模型中的任何一个都不会导致计算 Hessian 矩阵,因此应该可以解决问题。所以,
from symfit import CallableModel
funfit = CallableModel({y: (firstres/firstnorm)})
另外,您使用的是哪个版本?在 symfit >= 0.5.2
中,这种情况应该不再发生,所以我很想知道:)。
关于python - 在 symfit python 模块中使用命名模型来拟合高斯分布,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59626774/