Python lmfit并不是返回单个标量值的简单示例上的唯一参数

剩余函数（

res

）计算y>thr的y值之和（阈值）。它返回此和与目标之间的剩余值

在本例中，计算y>70的

目标
，我希望在最小化后，从y=60开始计算y=70

import numpy as np
import lmfit

x=np.linspace(0,10,51)
y=(x+4)*(x-14)*-1

def res(params,y,target):
    parvals = params.valuesdict()
    sum=y[y>parvals['thr']].sum()
    return [(target-sum)**2]

target=y[y>70].sum()

pars=lmfit.Parameters()
pars.add('thr', value=60, min=y.min(), max=y.max())

minner = lmfit.Minimizer(res, pars, fcn_args=(y, target))
result = minner.minimize()

为什么拟合不起作用：不返回70，但返回60（初始值）

谢谢您的回答。
拟合不起作用，因为您使用了连续变量（
pars['thr']
）作为离散值
[y>parvals['thr']]
。运行拟合时，它将尝试通过对变量值进行微小更改来计算结果中的变化。
如果在函数中添加
print（）
：

def res(params,y,target):
    parvals = params.valuesdict()
    print(parvals['thr'])
    sum=y[y>parvals['thr']].sum()
    return [(target-sum)**2]

你会得到

60.0
60.0
60.0
60.00000089406967
60.0

当fit试图找到应该改变的方式和幅度时。它将看到更改
thr
对结果没有影响

基本上，您需要将
thr
的用法从离散变量更改为连续变量。一个简单的方法是使用
erf
函数（或另一个sigmoidal函数），例如，在一个小但不是无限小的间隔内从~0缩放到~1

from scipy.special import erf

def res(params,y,target):
    parvals = params.valuesdict()   
    step = (1 + erf(y-parvals['thr']))/2.0
    sum = (y*step).sum()
    return target-sum   # was [(target-sum)**2]

该
步骤
数组将在阈值附近具有非零/非一值，为拟合提供足够的信号，以决定移动到哪里

另外，请注意，返回
[（目标和）**2]
将起作用，但仅返回残差
目标和将允许拟合不仅可以看到失配的幅度，还可以看到失配的符号，并允许拟合更快地收敛

通过这些更改，您应该获得70的
thr
的正确值，并进行大约11次功能评估。
@M Newville。我注意到不连续性是问题所在。所以，我打算问一个新问题，但你以前回答过。非常感谢您的解决方案。