我希望能够找到最简单的方法来输出拟合参数的不确定性。在使用 spo.curve_fit 进行拟合时,我们只需获得协方差矩阵,然后取对角线并开平方即可找到不确定性。但是在使用 lmfit 进行拟合时似乎并没有那么简单。
我的拟合代码如下:
当我生成拟合报告时,会得到不确定性值,因此它们显然已经被计算出来了。我的问题是如何调用和使用它们。我尝试使用上面代码的最后一行中的stderr仅打印参数的不确定性,但这只返回“None”。我可以获得协方差矩阵,但我不知道显示的顺序是什么。我的终极目标是简单地获得数值及其相关的不确定度,然后将它们放入数组中以便在我的代码中进一步使用。
我的拟合代码如下:
import lmfit
a_lm2 = lmfit.Parameter('a', value=a_est)
b_lm2 = lmfit.Parameter('b', value=b_est)
x0_core_lm2 = lmfit.Parameter('x0_core', value=gaus1['x0_core'])
x0_1_lm2 = lmfit.Parameter('x0_1', value=gaus1['x0_1'])
x0_2_lm2 = lmfit.Parameter('x0_2', value=gaus1['x0_2'])
x0_3_lm2 = lmfit.Parameter('x0_3', value=gaus1['x0_3'])
x0_4_lm2 = lmfit.Parameter('x0_4', value=gaus1['x0_4'])
sig_core_lm2 = lmfit.Parameter('sig_core', value=gaus1['sig_core'])
sig_1_lm2 = lmfit.Parameter('sig_1', value=gaus1['sig_1'])
sig_2_lm2 = lmfit.Parameter('sig_2', value=gaus1['sig_2'])
sig_3_lm2 = lmfit.Parameter('sig_3', value=gaus1['sig_3'])
sig_4_lm2 = lmfit.Parameter('sig_4', value=gaus1['sig_4'])
m_lm2 = lmfit.Parameter('m', value=m, vary=False)
c_lm2 = lmfit.Parameter('c', value=c, vary=False)
gausfit2 = mod.fit(y, x=x, a=a_lm2, b=b_lm2, x0_core=x0_core_lm2, x0_1=x0_1_lm2, x0_2=x0_2_lm2,
x0_3=x0_3_lm2, x0_4=x0_4_lm2, sig_core=sig_core_lm2, sig_1=sig_1_lm2, sig_2=sig_2_lm2,
sig_3=sig_3_lm2, sig_4=sig_4_lm2, m=m_lm2, c=c_lm2,weights=None, scale_covar=False)
print 'a_lm2_unc =', a_lm2.stderr
当我生成拟合报告时,会得到不确定性值,因此它们显然已经被计算出来了。我的问题是如何调用和使用它们。我尝试使用上面代码的最后一行中的stderr仅打印参数的不确定性,但这只返回“None”。我可以获得协方差矩阵,但我不知道显示的顺序是什么。我的终极目标是简单地获得数值及其相关的不确定度,然后将它们放入数组中以便在我的代码中进一步使用。