使用symfit python模块中的命名模型来拟合高斯分布

Question

我正在尝试写一个代码，用symfit模块同时拟合两个不同的方程和一些共享参数的两个数据集。在这里显示它太复杂了，所以我使用相同的命令显示了另一个更简单的代码。在这里，我尝试用线性函数拟合一系列数据，但斜率为高斯分布。代码如下：

 `
import symfit as sf
from symfit import parameters, variables, Fit, Model, Ge, CallableModel
from symfit.core.minimizers import BFGS, BasinHopping, NelderMead, DifferentialEvolution
xd= [1.1, 3, 5, 7, 9, 11, 14, 19, 25, 32, 44]
yd= [5.5, 8, 11, 14, 18, 22, 28, 35,45, 69, 110]
pi=3.14
x, y = variables('x, y')
a = sf.Parameter('a',value=3)
b = sf.Parameter('b',value=0.7)
sigma= sf.Parameter('sigma',value=0.7)
res=0
norm=0
for i in range(1,5):
    atemp= (a + ((i-1)*3*sigma/2))
    gauss= sf.exp(-(atemp-a)**2/(2*(sigma**2)))/sf.sqrt(2*pi*(sigma**2))
    res= res+ gauss* (atemp * x + b) 
    norm= norm + gauss
    if i == 4:
        firstres= res
        firstnorm= norm
        res=0
        norm=0

funfit = Model({y: (firstres/firstnorm)})

fit = Fit(funfit, x= xd, y=yd, minimizer=[NelderMead, BFGS])
fit_result = fit.execute()
print(" Best-Fit Parameters: ", fit_result)

`

这就是我得到的错误"NameError:没有定义名称'DiracDelta‘“

Answer 1

您可以尝试用GradientModel甚至CallableModel替换Model。出现这个问题的原因是，默认情况下会计算模型的Hessian，对于高斯模型，这会产生一个不会被简化的DiracDelta。使用这些其他模型中的任何一个都不会导致计算Hessian，因此应该解决问题。所以,

from symfit import CallableModel

funfit = CallableModel({y: (firstres/firstnorm)})

另外，您使用的是哪个版本？在symfit >= 0.5.2中，这种情况应该不会再发生，所以我很想知道:)。