Question

我正在尝试用Python中的动作实现结构，并且不能真正理解这个最小化函数如何与我的残余函数完全一致。如果我传递一组参数来表示摄像机位置和观察点的位置，我的剩余函数将如何处理它们？他们会逐行喂食（这将是逻辑）吗？但是当我从剩余函数中打印输入时，我看到所有行都在那里。我还在剩余函数中使用外部函数进行四元数分解，他们似乎对lmfit一次性提出参数数组感到满意。

Answer 1

我不确定我是如何理解你的问题，但是，你想知道minim（）方法是如何工作的？另外，我假设剩余功能你指的是＆＃34;目标＆＃34;返回平坦的残差数组的函数。

目标函数可以被认为是您尝试适应数据的任何其他函数，不同之处在于您在调用函数时不必明确指定参数的顺序（它们嵌入在参数类中）并且可以使用多个最小化算法（levenberg marquardt，模拟退火等）。因此，它可以通过参数类轻松地用于全局（共享参数）拟合（具有多个数据集）。所有这些函数评估都返回残差（模型 - 数据），这些残差被组合并作为单个残差数组输出。

所以对你来说，如果你的参数是＆＃34;相机位置＆＃34;要在四元数函数中使用，这些将被优化以使模型最适合数据最小化（模型 - 数据）。你可以在目标函数中使用你想要的任何外部函数，只要该函数的输出是一个扁平的残差数组--lmfit负责其余部分。

您唯一需要做的就是： 1）识别适合的参数并将它们包含在参数类中 2）编写一个返回残差数组的目标函数（使用你想要的任何外部函数）。

以下是一个例子：

如果这是一个简单的评估模型：

#in this example x,y are the data that are collected, and model contains a function that uses x in fitting to obtain a model y-value.

#create model to evaluate and fit to data
def model(params, x):

    dGA = params['dGA'].value
    dGB = params['dGB'].value
    dGS = params['dGS'].value

    return (((dGA*x) + dGb)*dGS) 

#create parameter class
params = lmfit.Parameters()
params.add('dGA', value = 2.9)
params.add('dGB', value = 2.89)
params.add('dGS', value = 3.6)

#now setup objective function which uses the model function
def objective(params):

    finalresid = []

    dGA = params['dGA'].value
    dGB = params['dGB'].value
    dGS = params['dGS'].value

    #can setup loop or anything for multiple data sets (y below)
    #if multiple, just have to lump all residuals into a 
    #single flattened array. You could do this by setting up a loop over
    #all data sets, and combine the residuals at the end

    resid = (y - model(params, x))

return resid.flatten() 

#now call mimimize() over the objective function with respect to the parameters
result = lmfit.minimize(objective, params)

所有相关信息均可从结果中获取（查看文档）。

希望这会有所帮助，但我无法发表评论，询问您的问题。

minimum（）和residual（）函数如何在lmfit中协同工作

1 个答案: