Python lmfit参数上的错误并不总是显示出来

我正在尝试使用lmfit将曲线拟合到一些数据点，我需要参数上的误差。调用后：

out=model.fit（y，pars，x，weights=1/错误）

I执行：

print（out.fit\u report（））

。有时输出是这样的（此处发布了部分点击）：

这正是我所需要的（即参数有与之相关的错误）。但其他时候是这样的：

    # fitting method   = leastsq
    # function evals   = 9509
    # data points      = 64
    # variables        = 14
    chi-square         = 3023.19802
    reduced chi-square = 60.4639605
    Akaike info crit   = 274.731995
    Bayesian info crit = 304.956358
##  Warning: uncertainties could not be estimated:
    sv3_center:     at initial value
    sv4_amplitude:  at boundary
[[Variables]]
    line1_c:        49.6633100 (init = 60.35763)
    sv1_skew:      -19.2947984 (init = 0)
    sv1_amplitude:  269.063100 (init = 1)
    sv1_center:     13285.0635 (init = 13284)
    sv1_sigma:      1.66532381 (init = 1)
    sv1_gamma:      1.66532381 == 'sv1_sigma'

---

为什么不能在第二种情况下估计不确定性。另外，对于完全相同的拟合和数据，有时我会得到参数上的错误，有时我不会，也就是说，我只是连续运行

python code.py

两次，没有任何修改，有时我会得到错误估计值，有时我不会。然而，在这两种情况下，合身的眼睛看起来都很好。有人能帮我理解发生了什么事吗？谢谢大家!

如果一个或多个变量没有引起拟合结果的变化，则无法估计参数值的不确定性。这通常意味着一个或多个参数被固定在初始值（可能是一个非常糟糕的猜测，或者可能导致部分模型无响应）或固定在边界

fit报告试图给出一些好的提示，说明是什么阻止了不确定性的估计。它说：

##  Warning: uncertainties could not be estimated:
    sv3_center:     at initial value
    sv4_amplitude:  at boundary

---

除其他外，这意味着您没有包括完整的错误报告，该报告将列出所有14个变量。

哦，我明白了！非常感谢你这么做。然而，为什么完全相同的程序有时会给出错误估计，而有时不会？

##  Warning: uncertainties could not be estimated:
    sv3_center:     at initial value
    sv4_amplitude:  at boundary