Question

我正在使用lmfit来找到适合的置信区间，但它经常给我一个错误：ValueError: f(a) and f(b) must have different signs

这是一个最小的工作示例（运行几次以获取错误）：

import lmfit
import numpy as np

def residual(p, X):
        a1, a2, t1, t2 = [i.value for i in p.values()]
        return a1*np.exp(-x/t1)+a2*np.exp(-x/t2)-y

if __name__ == '__main__':
    x = np.linspace(0.3,10,100)
    y = 3*np.exp(-x/2.)-5*np.exp(-x/10.)+0.2*np.random.randn(x.size)
    p = lmfit.Parameters()
    p.add_many(('a1', 5), ('a2', -5), ('t1', 2), ('t2', 5))
    mi = lmfit.minimize(residual, p, args=(x,))
    lmfit.printfuncs.report_fit(mi.params, show_correl=False)
    ci, trace = lmfit.conf_interval(mi, sigmas=[0.68,0.95], trace=True, verbose=False)
    lmfit.printfuncs.report_ci(ci)

为什么这样做？有工作吗？

由于

Answer 1

我不知道具体的答案或解决方法。

我会将其报告为问题https://github.com/lmfit/lmfit-py/issues。

通过找到轮廓似然等于值的点来计算置信区间。这需要找到非线性函数的零或根。这种方法通常提供比依赖局部导数更准确的置信区间，例如scipy的curve_fit。

为scipy的brentq指定适用于所有情况的边界通常很棘手。我的猜测是默认界限对你的例子来说太紧了。

我对该方法只有一般概念，但不知道lmfit中的具体代码。

Python brentq问题

1 个答案: