Python 使用pyminuit将函数拟合到数据

我编写了一个Python（2.7）程序来评估一些科学数据。其主要任务是将此数据拟合到某个函数（1）。由于这是相当多的数据，程序使用多处理将作业（“适合一组数据”）分配到多个核。在第一次尝试中，我使用scipy.optimize中的curve_fit实现了拟合过程，该方法非常有效

到目前为止，一切顺利。然后我们看到数据更精确地由函数（1）和高斯分布的卷积来描述。其思想是首先将数据拟合到函数（1），得到由此产生的猜测值，然后将数据再次拟合到卷积中。由于数据非常嘈杂，我试图用七个参数的卷积来拟合它，这次的结果相当糟糕。特别是高斯参数在某种程度上是不可能的

因此，我尝试在PyMinuit中实现拟合过程，因为它允许将参数限制在某些边界内（如正振幅）。因为我以前从未使用过Minuit，我尝试从小事做起，所以我重写了装配过程的第一个（“简单”）部分。执行此任务的代码段如下所示（简化）：

其中，efunc（）是函数（1）。参数d是固定的，因为我现在不使用它。

最后，实际的问题来了：当运行脚本时，Minuit会打印几乎所有适合的内容

VariableMetricBuilder: Tolerance is not sufficient - edm is 0.000370555 requested 1e-05 continue the minimization

为edm设置不同的值。fit仍然可以正常工作，但打印会大大降低程序的速度。我试图增加fit.tol，但有很多数据集返回更高的edm。然后我尝试使用实际有效的方法隐藏fit.migrad（）的输出。现在有些奇怪的事情发生了：在程序中间的某个地方，所有内核上的进程同时失败。不是在第一次拟合，而是在整个数据集的中间。我唯一改变的是

with suppress_stdout_stderr():
    fit.migrad()

我知道这是一个相当长的介绍，但我认为当您了解整个框架时，它会对您帮助更多。如果有人知道如何解决这个问题，我将不胜感激

---

注意：功能（1）定义为

def efunc(x,a,b,c,d):
    if x < c:
        return a*np.exp(b*x**d)
    else:
        return a*np.exp(b*c**d)   # therefore constant
efunc = np.vectorize(efunc)

def efunc（x、a、b、c、d）：
如果x

尝试另一种最小化方法。

def efunc(x,a,b,c,d):
    if x < c:
        return a*np.exp(b*x**d)
    else:
        return a*np.exp(b*c**d)   # therefore constant
efunc = np.vectorize(efunc)