LMFIT:Python的非线性最小二乘最小化和曲线拟合
1 美国芝加哥大学 2 Till Stensitzki,柏林弗雷大学 三。 约翰霍普金斯大学 4 加利福尼亚大学,洛杉矶
说明
使用Parameter对象而不是普通浮点作为变量。 参数的值可以在拟合中变化、固定、有上限和/或下限。 它甚至可以具有受其他参数值的代数表达式约束的值。 易于更改拟合算法。 一旦建立了拟合模型,就可以在不改变目标函数的情况下改变拟合算法。 改进了置信区间的估计。 虽然scipy.optimize.leastsq()将自动从协方差矩阵中计算不确定性和相关性,但lmfit还具有明确探索参数空间的功能,以确定置信水平,即使在最困难的情况下也是如此。 改进了Model类的曲线填充。 这扩展了scipy.optimize.curve_fit()的功能,允许您将为数据建模的函数转换为一个python类,帮助您将数据参数化并与该模型匹配。 其中包括许多用于常见线型的预构建模型,可以随时使用。