Python 2.7 Python lmfit自定义模型：设置固定参数并分配前缀

我有两个关于包中参数的问题

一,

有没有办法预先设置自定义模型的参数值

例如

例如，在最后一行中，

amp=2000

初始化参数

amp

。如果我想在内置模型中修复此参数（例如）：

问题1

是否可以在

mod.fit（）

行或自定义模型的其他地方

amp

参数值在2000时进行修正

二,

我正在尝试为自定义复合模型分配前缀，如下所示：

cust_combination_mod = Model(my_cust, prefix='lin_') + Model(gaussian, prefix='g1_')

当我尝试上面这句话时，我得到：

  File "build\bdist.win-amd64\egg\lmfit\model.py", line 541, in fit
  File "build\bdist.win-amd64\egg\lmfit\model.py", line 747, in fit
  File "build\bdist.win-amd64\egg\lmfit\minimizer.py", line 1242, in minimize
  File "build\bdist.win-amd64\egg\lmfit\minimizer.py", line 1072, in leastsq
  File "C:\Python27\lib\site-packages\scipy\optimize\minpack.py", line 377, in leastsq
    shape, dtype = _check_func('leastsq', 'func', func, x0, args, n)
  File "C:\Python27\lib\site-packages\scipy\optimize\minpack.py", line 26, in _check_func
    res = atleast_1d(thefunc(*((x0[:numinputs],) + args)))
  File "build\bdist.win-amd64\egg\lmfit\minimizer.py", line 371, in __residual
  File "build\bdist.win-amd64\egg\lmfit\minimizer.py", line 1432, in _nan_policy
ValueError: The input contains nan values

如果有许多自定义模型，那么初始化

mod.make_params（）

中的所有参数（如我在上面1.中所示）可能会很繁琐。这个问题似乎在这里讨论（，） 但它们并没有真正指明如何实际为复合模型的各个组件指定前缀

问题2

---

是否可以在

lmfit

中为复合自定义模型指定前缀？

Q1：定义模型时，可以为自定义模型设置默认值：

>>> def my_cust(x, a=1.0, b=2.0):
...    return a*x + b

>>> lmodel = Model(my_cust)
>>> params = lmodel.make_params()
>>> params 
Parameters([('a', <Parameter 'a', 1.0, bounds=[-inf:inf]>), ('b', <Parameter 'b', 2.0, bounds=[-inf:inf]>)])

您还可以在模型上设置“参数提示”，以便在创建参数时告知要分配的属性：

>>> lmodel.set_param_hint('a', vary=False)
>>> lmodel.set_param_hint('b', min=0)
>>> params = lmodel.make_params()
>>> params
Parameters([('a', <Parameter 'a', value=1.0 (fixed), bounds=[-inf:inf]>), ('b', <Parameter 'b', 2.0, bounds=[0:inf]>)])

应该行得通（对我来说也行）。为此生成的参数将具有正确的前缀，并且应在

模型中使用前缀引用。make_params

：

>>> params = comp_model.make_params(g1_amp=9, g1_cen=2.0, g1_wid=0.5)
>>> for name, par in params.items():
...    print(name, par)
...
('lin_a', <Parameter 'lin_a', 1.0, bounds=[-inf:inf]>)
('lin_b', <Parameter 'lin_b', 2.0, bounds=[-inf:inf]>)
('g1_amp', <Parameter 'g1_amp', 9, bounds=[-inf:inf]>)
('g1_cen', <Parameter 'g1_cen', 2.0, bounds=[-inf:inf]>)
('g1_wid', <Parameter 'g1_wid', 0.5, bounds=[-inf:inf]>)

>>params=comp_model.make_参数（g1_amp=9，g1_cen=2.0，g1_wid=0.5）
>名称，PAR中的PAR。项目（）：
...    印刷品（名称、面值）
...
（‘林欧阿’，）
（‘林_b’，）
（‘g1_amp’，）
（‘g1_cen’，）
（‘g1_wid’，）

如果要保留上面设置的参数提示，应使用前缀创建自定义模型，设置参数提示，然后创建自定义模型：

>>> lmodel = Model(my_cust, prefix='lin_')
>>> lmodel.set_param_hint('a', vary=False)
>>> lmodel.set_param_hint('b', min=0)
>>> comp = lmodel + Model(gauss, prefix='g1_')
>>> params = comp.make_params(g1_amp=9.0, g1_cen=2.0, g1_wid=0.5)
>>> for name, par in params.items(): 
...    print(name, par)
... 
('lin_a', <Parameter 'lin_a', value=1.0 (fixed), bounds=[-inf:inf]>)
('lin_b', <Parameter 'lin_b', 2.0, bounds=[0:inf]>)
('g1_amp', <Parameter 'g1_amp', 9.0, bounds=[-inf:inf]>)
('g1_cen', <Parameter 'g1_cen', 2.0, bounds=[-inf:inf]>)
('g1_wid', <Parameter 'g1_wid', 0.5, bounds=[-inf:inf]>)

>>lmodel=Model（我的客户，前缀为林）
>>>lmodel.set_param_hint（'a'，vary=False）
>>>l模型设置参数提示（'b'，最小值=0）
>>>comp=lmodel+Model（高斯，前缀为'g1'）
>>>参数=组件制造参数（g1_amp=9.0，g1_cen=2.0，g1_wid=0.5）
>名称，PAR中的PAR。项目（）：
...    印刷品（名称、面值）
... 
（‘林欧阿’，）
（‘林_b’，）
（‘g1_amp’，）
（‘g1_cen’，）
（‘g1_wid’，）

---

我不确定南斯的例外情况是从哪里来的。可能是因为没有为参数提供初始值（这可能会导致默认为-inf），或者因为在建模的数据中存在NaN？

当我第一次尝试时，我使用了

mod=Model（my_cust）+Model（gaussian）

，然后包括

pars=mod.make_参数（A=11.78，b=25，amp=2000，cen=109.5，wid=17）

。第二行是问题所在，导致了NaNs的异常——正如您所指出的，我需要通过前缀引用它们。前缀起作用了。我的两个问题都得到了回答。谢谢对不起，在我的评论中，第一句应该是：“…我使用了

mod=Model（my_cust，prefix='lin'）+Model（gaussian，prefix='g'）

，然后…”

>>> lmodel.set_param_hint('a', vary=False)
>>> lmodel.set_param_hint('b', min=0)
>>> params = lmodel.make_params()
>>> params
Parameters([('a', <Parameter 'a', value=1.0 (fixed), bounds=[-inf:inf]>), ('b', <Parameter 'b', 2.0, bounds=[0:inf]>)])

>>> comp_model = Model(my_cust, prefix='lin_') + Model(gaussian, prefix='g1_')

>>> params = comp_model.make_params(g1_amp=9, g1_cen=2.0, g1_wid=0.5)
>>> for name, par in params.items():
...    print(name, par)
...
('lin_a', <Parameter 'lin_a', 1.0, bounds=[-inf:inf]>)
('lin_b', <Parameter 'lin_b', 2.0, bounds=[-inf:inf]>)
('g1_amp', <Parameter 'g1_amp', 9, bounds=[-inf:inf]>)
('g1_cen', <Parameter 'g1_cen', 2.0, bounds=[-inf:inf]>)
('g1_wid', <Parameter 'g1_wid', 0.5, bounds=[-inf:inf]>)

>>> lmodel = Model(my_cust, prefix='lin_')
>>> lmodel.set_param_hint('a', vary=False)
>>> lmodel.set_param_hint('b', min=0)
>>> comp = lmodel + Model(gauss, prefix='g1_')
>>> params = comp.make_params(g1_amp=9.0, g1_cen=2.0, g1_wid=0.5)
>>> for name, par in params.items(): 
...    print(name, par)
... 
('lin_a', <Parameter 'lin_a', value=1.0 (fixed), bounds=[-inf:inf]>)
('lin_b', <Parameter 'lin_b', 2.0, bounds=[0:inf]>)
('g1_amp', <Parameter 'g1_amp', 9.0, bounds=[-inf:inf]>)
('g1_cen', <Parameter 'g1_cen', 2.0, bounds=[-inf:inf]>)
('g1_wid', <Parameter 'g1_wid', 0.5, bounds=[-inf:inf]>)