Pythin库:如何使用最小化器来限制函数调用的#

Question

如何使用Minimizer对象来最小化函数调用的#。我从日志中得到了这样的信息：

太多的函数调用(最大设置为%i)！使用:最小化(func，params，.，maxfev=NNN)或设置最小值to _kws\‘maxfev\’以增加这个最大值。

from numpy import sqrt, pi, exp, loadtxt
from lmfit import  Model
from lmfit import Minimizer
import matplotlib.pyplot as plt

data = loadtxt('data/model1d_gauss.dat')
x = data[:, 0]
y = data[:, 1]

def gaussian(x, amp, cen, wid):
    "1-d gaussian: gaussian(x, amp, cen, wid)"
    return (amp/(sqrt(2*pi)*wid)) * exp(-(x-cen)**2 /(2*wid**2))


gmodel = Model(gaussian)

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method= 'least_squares')

print(result.fit_report())

r = result.fit_report()

plt.plot(x, y,         'bo')
plt.plot(x, result.init_fit, 'k--')
plt.plot(x, result.best_fit, 'r-')
plt.show()

lmfit文档链接

Github链接

我想通过最小化函数调用来使拟合更快(很多数据都是杂乱的废话)

Answer 1

不确定我是否推荐这样做，但是由于您在内部使用的是正方形，您可以只传递所需的选项，例如：

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method='least_squares',
                    fit_kws={'max_nfev': 100})

当然，这是假定的，在观察maxiter reached状态之后，lmfit将接受状态。但从你的问题听起来，这只是作为警告。

请记住，这个优化器是基于容差准则(见docs)，当不收敛给定x步骤数时，它实际上认为它仍然可以改进最小化！

正如评论中所问的那样:是的，你也可以改变这些标准，例如：

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method='least_squares',
                fit_kws={'ftol': 1-07,   # default 1e-08
                         'xtol': 1-07,   #         1e-08
                         'gtol': 1-07})  #         1e-08