Fatal编程技术网
  • python/
  • Python &引用；ValueError：输入包含nan值；使用lmfit时

Python &引用；ValueError：输入包含nan值；使用lmfit时

python compiler-errors

Python &引用；ValueError：输入包含nan值；使用lmfit时,python,compiler-errors,lmfit,Python,Compiler Errors,Lmfit,我正在使用lmfit将四参数逻辑曲线拟合到我的数据，我的当前代码如下： import matplotlib, numpy as np, matplotlib.pyplot as plt from lmfit import Model def pl(x, a, b, c, d): return (a - d) / (1+ (x / c) ** b) + d x = [-4.522878745, -5.22184875, -5.920818754, -6.6197

我正在使用
lmfit
将四参数逻辑曲线拟合到我的数据，我的当前代码如下：

import matplotlib, numpy as np, matplotlib.pyplot as plt
from lmfit import Model

def pl(x, a, b, c, d):
    return (a - d) / (1+ (x / c) ** b) + d

x = [-4.522878745,
    -5.22184875,
    -5.920818754,
    -6.619788758,
    -7.318758763,
    -8.017728767,
    -8.716698771,
    -9.415668776,
    ]

y = [12,
    6,
    37,
    10297,
    22635,
    24279,
    25666,
    24365]


mod = Model(pl)
params = mod.make_params(a = 25000, b = 2, c = 1, d = 0)
result = mod.fit(y, params, x=x)
print(result.fit_report())


plt.plot(x, y, 'bo', markersize = 1.5)
plt.plot(x, result.best_fit, color = 'red', linewidth = 0.5)
plt.show()
但是，这会产生以下错误：

Traceback (most recent call last):
  File "C:\Users\George\OneDrive\Subjects\EE\Regression.py", line 29, in <module>
    result = mod.fit(y, params, x=x)
  File "C:\Users\George\AppData\Local\Programs\Python\Python37\lib\site-packages\lmfit\model.py", line 1007, in fit
    output.fit(data=data, weights=weights)
  File "C:\Users\George\AppData\Local\Programs\Python\Python37\lib\site-packages\lmfit\model.py", line 1355, in fit
    _ret = self.minimize(method=self.method)
  File "C:\Users\George\AppData\Local\Programs\Python\Python37\lib\site-packages\lmfit\minimizer.py", line 1949, in minimize
    return function(**kwargs)
  File "C:\Users\George\AppData\Local\Programs\Python\Python37\lib\site-packages\lmfit\minimizer.py", line 1492, in leastsq
    lsout = scipy_leastsq(self.__residual, variables, **lskws)
  File "C:\Users\George\AppData\Local\Programs\Python\Python37\lib\site-packages\scipy\optimize\minpack.py", line 396, in leastsq
    gtol, maxfev, epsfcn, factor, diag)
  File "C:\Users\George\AppData\Local\Programs\Python\Python37\lib\site-packages\lmfit\minimizer.py", line 538, in __residual
    nan_policy=self.nan_policy)
  File "C:\Users\George\AppData\Local\Programs\Python\Python37\lib\site-packages\lmfit\minimizer.py", line 2166, in _nan_policy
    raise ValueError("The input contains nan values")
ValueError: The input contains nan values

Warning (from warnings module):
  File "C:\Users\George\OneDrive\Subjects\EE\Regression.py", line 5
    return (a - d) / (1+ (x / c) ** b) + d
RuntimeWarning: divide by zero encountered in true_divide
此外，“曲线”只是一条直线：

如何解决此问题？

似乎每次在内部调用处理程序函数时，
b
的值都会被修改。
b
的值在每次迭代中的精度都会增加，直到它变得如此之大，以至于
**
操作无法生成
nan
s（在内部，它是numpy评估
**
）。在它落下时，我的机器上
b
的值是
2.0000000 298023224

您可以确保
b
在计算时始终为整数：

def pl(x, a, b, c, d):
    return (a - d) / (1+ (x / c) ** int(b)) + d
似乎每次在内部调用处理程序函数时，
b
的值都会被修改。
b
的值在每次迭代中的精度都会增加，直到它变得如此之大，以至于
**
操作无法生成
nan
s（在内部，它是numpy评估
**
）。在它落下时，我的机器上
b
的值是
2.0000000 298023224

您可以确保
b
在计算时始终为整数：

def pl(x, a, b, c, d):
    return (a - d) / (1+ (x / c) ** int(b)) + d
使用
lmfit
或
scipy.optimize
（或大多数其他“拟合数据”方法）进行拟合假设数据、最佳拟合模型和所有参数都是实数。您的模型函数包含
（1+（x/c）**b）
，其中
x
为负数，
c
为一个可根据需要调整的值，
b
和
c
均为实数

但是，当然
负数**分数实数
（比如
（-2.3）**3.4
）是一个复数。拟合算法无法处理这些问题

所以，你必须决定如何处理复数的可能性。使用
（x/c）**int（b）
的建议似乎很有吸引力，但这意味着拟合将无法找到
b
的值——拟合将对每个参数值进行小的调整，并且由于
int（2.0）=int（2.000001）
，它将确定对
b
的小的更改不会改变拟合。也就是说，您可以简单地运行fit keeping
b
fixed，将其设置为0到10之间的整数值，并确定哪种拟合效果最好

无论如何，所有这些都假设模型函数描述了数据，并且是您实际想要使用的。我认为您的模型可能无法很好地描述您的数据，您最好使用实际的逻辑功能。利用lmfit内置的模型，这可能看起来像：

from lmfit.models import StepModel, ConstantModel 

mod = StepModel(form='logistic') + ConstantModel()
params = mod.make_params(amplitude=-20000, center=-7, sigma=1, c=20000)

result = mod.fit(y, params, x=x)
print(result.fit_report())
对于您的数据，这将给出最佳拟合参数值
sigma~=0.24
，
center~=-6.7
，
amplitude~=-25000
，
c~=25000
，以及一个看起来不错的图。

使用
lmfit
或
scipy进行拟合。优化
（或大多数其他“拟合数据”方法）假设数据，最佳拟合模型，所有参数均为实数。您的模型函数包含
（1+（x/c）**b）
，其中
x
为负数，
c
为一个可根据需要调整的值，
b
和
c
均为实数

但是，当然
负数**分数实数
（比如
（-2.3）**3.4
）是一个复数。拟合算法无法处理这些问题

所以，你必须决定如何处理复数的可能性。使用
（x/c）**int（b）
的建议似乎很有吸引力，但这意味着拟合将无法找到
b
的值——拟合将对每个参数值进行小的调整，并且由于
int（2.0）=int（2.000001）
，它将确定对
b
的小的更改不会改变拟合。也就是说，您可以简单地运行fit keeping
b
fixed，将其设置为0到10之间的整数值，并确定哪种拟合效果最好

无论如何，所有这些都假设模型函数描述了数据，并且是您实际想要使用的。我认为您的模型可能无法很好地描述您的数据，您最好使用实际的逻辑功能。利用lmfit内置的模型，这可能看起来像：

from lmfit.models import StepModel, ConstantModel 

mod = StepModel(form='logistic') + ConstantModel()
params = mod.make_params(amplitude=-20000, center=-7, sigma=1, c=20000)

result = mod.fit(y, params, x=x)
print(result.fit_report())
对于您的数据，这将给出最佳拟合参数值
sigma~=0.24
，
center~=-6.7
，
amplitude~=-25000
，
c~=25000
，以及一个看起来不错的图