Python Pythin lmfit库：如何使用最小值来限制函数调用的数量

如何使用Minimizer对象来最小化函数调用的数量。我从日志中得到以下消息：

函数调用太多（最大值设置为%i）！使用：最小化（func，params，…，maxfev=NNN）或设置leastsq_kws[\'maxfev\']以增加此最大值

from numpy import sqrt, pi, exp, loadtxt
from lmfit import  Model
from lmfit import Minimizer
import matplotlib.pyplot as plt

data = loadtxt('data/model1d_gauss.dat')
x = data[:, 0]
y = data[:, 1]

def gaussian(x, amp, cen, wid):
    "1-d gaussian: gaussian(x, amp, cen, wid)"
    return (amp/(sqrt(2*pi)*wid)) * exp(-(x-cen)**2 /(2*wid**2))


gmodel = Model(gaussian)

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method= 'least_squares')

print(result.fit_report())

r = result.fit_report()

plt.plot(x, y,         'bo')
plt.plot(x, result.init_fit, 'k--')
plt.plot(x, result.best_fit, 'r-')
plt.show()

---

我想通过最小化函数调用来加快拟合速度（很多数据都是垃圾）

我不确定我是否建议这样做，但由于您在内部使用scipy，您可以传递所需的选项，例如：

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method='least_squares',
                    fit_kws={'max_nfev': 100})

当然，这是假设lmfit在观察到

maxiter达到的状态后将接受该状态。但从你的问题看来，这只是一个警告

请记住，这个优化器是基于公差标准（参见文档）的，当不收敛于给定的
x
步数时，它实际上认为它仍然可以改进最小化

如评论中所述：是的，您也可以更改这些标准，例如：

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method='least_squares',
                fit_kws={'ftol': 1-07,   # default 1e-08
                         'xtol': 1-07,   #         1e-08
                         'gtol': 1-07})  #         1e-08

您是否也可以拟合数据，直到出现可接受的错误？如果是这样的话，代码片段是什么？@im281您可以使用任何参数，并记录在案。我添加了一些示例。