我目前正在尝试使用 实现曲线拟合例程lmfit，尽管我的编码技能有限，而且我以前的经验curve_fit也无济于事。另外，我一直在浏览https://lmfit.github.io/lmfit-py/model.html上的文档，但我仍然无法修复它。
正如您在下面看到的，我正在尝试拟合以下等式：R2avg*(np.sin(thetas))**2 + ((np.sin(thetas))**2)*(phi_ex*k_ex/(k_ex**2 + omega_eff**2))，它有 2 个自变量（omega_eff和thetas），而我想拟合其余三个参数。
import lmfit as lf
from lmfit import Model, Parameters
import numpy as np
import matplotlib.pyplot as plt
from math import atan
def on_res(omega_eff, thetas, R2avg=5, k_ex=0.1, phi_ex=500):
return R2avg*(np.sin(thetas))**2 + ((np.sin(thetas))**2)*(phi_ex*k_ex/(k_ex**2 + omega_eff**2))
model = Model(on_res,independent_vars=['omega_eff','thetas'])
model.set_param_hint('R2avg',value=5)
model.set_param_hint('k_ex',value=0.1)
model.set_param_hint('phi_ex',value=500)
carrier = 6146.53
O_1 = 5846
spin_locks = (1000, 2000, 3000, 4000, 5000)
delta_omega = (O_1 - carrier)
omega_eff1 = ((delta_omega**2) + (spin_locks[0]**2))**0.5
omega_eff2 = ((delta_omega**2) + (spin_locks[1]**2))**0.5
omega_eff3 = ((delta_omega**2) + (spin_locks[2]**2))**0.5
omega_eff4 = ((delta_omega**2) + (spin_locks[3]**2))**0.5
omega_eff5 = ((delta_omega**2) + (spin_locks[4]**2))**0.5
theta_rad1 = atan(spin_locks[0]/delta_omega)
theta_rad2 = atan(spin_locks[1]/delta_omega)
theta_rad3 = atan(spin_locks[2]/delta_omega)
theta_rad4 = atan(spin_locks[3]/delta_omega)
theta_rad5 = atan(spin_locks[4]/delta_omega)
x = (omega_eff1/1000, omega_eff2/1000, omega_eff3/1000, omega_eff4/1000, omega_eff5/1000)# , omega_eff6/1000)# , omega_eff7/1000)
theta = (theta_rad1, theta_rad2, theta_rad3, theta_rad4, theta_rad5)
R1rho_vals = (7.9328, 6.2642, 6.0005, 5.9972, 6.1988)
e = (0.33, 0.31, 0.32, 0.33, 0.5)
new_x = np.linspace(0, 6, 1000)
omega_eff = np.array(x, dtype=float)
thetas = np.array(theta, dtype=float)
R1rho_vals = np.array(R1rho_vals, dtype=float)
result = model.fit(R2avg, k_ex, phi_ex, thetas=thetas, omega_eff=omega_eff)
plt.errorbar(x, R1rho_vals, yerr = e, fmt = ".k", markersize = 8, capsize = 3)
# plt.plot(new_x, result.best_fit, label="Two sites fast exchange")
# plt.show()
print(model.param_names)
print(model.independent_vars)
如果我在发布时运行脚本，我会得到：
result = model.fit(R2avg, k_ex, phi_ex, thetas=thetas, omega_eff=omega_eff)
NameError: name 'R2avg' is not defined
我真的不明白。我做了一些故障排除，并通过检查：
print(model.param_names) 和 print(model.independent_vars)
似乎一切都被适当地定义了。
非常欢迎任何帮助！
您lmfit.Model用于定义独立参数的用途看起来不错。您没有做的是定义一组要在拟合中使用的参数。
你做：
model = Model(on_res,independent_vars=['omega_eff','thetas'])
model.set_param_hint('R2avg',value=5)
model.set_param_hint('k_ex',value=0.1)
model.set_param_hint('phi_ex',value=500)
但set_param_hint告诉模型如何制作参数，但它不制作参数。你必须明确地这样做。在我看来，这样做会更好
model = Model(on_res,independent_vars=['omega_eff','thetas'])
params = model.make_params(R2avg=5, k_ex=0.1, phi_ex=500)
部分原因是 a) 您需要一个 Parameters 对象来进行拟合，并且 b) 这些值实际上并不是您模型的一部分（参数或约束表达式的边界可能是，但值很少是）。
然后去拟合独立的 ( y) 数据，你想做
result = model.fit(data, params, thetas=thetas, omega_eff=omega_eff)
或者（如果您真的坚持不创建参数）您可以明确说明每个参数的起始值：
result = model.fit(data, R2avg=5, k_ex=0.1, phi_ex=500,
thetas=thetas, omega_eff=omega_eff)
但不是
result = model.fit(param1, param2, ..., thetas=thetas, omega_eff=omega_eff) # NO!
通常，显式使用 Parameters 对象是首选。
看来（但我不确定）这R1rho_vals是要拟合的数据，所以这意味着您想要执行以下操作：
result = model.fit(R1rho_vals, params, thetas=thetas, omega_eff=omega_eff)
要包括不确定性（您的e），您可以这样做：
result = model.fit(R1rho_vals, params, weights=1.0/e,
thetas=thetas, omega_eff=omega_eff)
然后您可以打印和绘制结果：
print(result.fit_report())
plt.errorbar(x, R1rho_vals, yerr = e, fmt = ".k", markersize = 8, capsize = 3)
plt.plot(new_x, result.best_fit, label="Two sites fast exchange")
plt.show()
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句