Question

我正致力于将muon寿命数据拟合到曲线中，以使用lmfit函数提取平均寿命。我使用的一般过程是使用直方图函数将13,000个数据点分成10个区间，用每个区间中的计数的平方根计算不确定性（它是一个指数模型），然后使用lmfit模块确定最佳拟合以及均值和不确定性。但是，绘制model.fit（）方法的输出图形会返回此图形，其中红线是合适的（显然不是正确的拟合）。 Fit result output graph

我已经在线查看过，无法找到解决方案，我真的很感激帮助找出正在发生的事情。这是代码。

import os
import numpy as np
import matplotlib.pyplot as plt
from numpy import sqrt, pi, exp, linspace
from lmfit import Model

class data():
    def __init__(self,file_name):
        times_dirty = sorted(np.genfromtxt(file_name, delimiter=' ',unpack=False)[:,0])
        self.times = []


    for i in range(len(times_dirty)):
            if times_dirty[i]<40000:
                self.times.append(times_dirty[i])
        self.counts = []
        self.binBounds = []
        self.uncertainties = []
        self.means = []

    def binData(self,k):
        self.counts, self.binBounds = np.histogram(self.times, bins=k)
        self.binBounds = self.binBounds[:-1]

    def calcStats(self):
        if len(self.counts)==0:
            print('Run binData function first')
        else:
            self.uncertainties = sqrt(self.counts)

    def plotData(self,fit):
        plt.errorbar(self.binBounds, self.counts, yerr=self.uncertainties, fmt='bo')
        plt.plot(self.binBounds, fit.init_fit, 'k--')
        plt.plot(self.binBounds, fit.best_fit, 'r')
        plt.show()

def decay(t, N, lamb, B):
    return N * lamb * exp(-lamb * t) +B

def main():
    muonEvents = data('C:\Users\Colt\Downloads\muon.data')
    muonEvents.binData(10)
    muonEvents.calcStats()
    mod = Model(decay)
    result = mod.fit(muonEvents.counts, t=muonEvents.binBounds, N=1, lamb=1, B = 1)
    muonEvents.plotData(result)
    print(result.fit_report())
    print (len(muonEvents.times))



if __name__ == "__main__":
    main()

Answer 1

这可能是一个简单的缩放问题。作为快速测试，尝试将所有原始数据除以因子1000（X和Y），以查看更改数据的大小是否有任何影响。

Answer 2

为了建立James Phillips的答案，我认为你在图表中显示的数据意味着N，lamb和B的值与1,1,1非常不同。请记住exp（-lamb * t对于lamb = 1，t基本上为0，并且t> 100.因此，如果算法从lamb = 1开始并稍微改变以找到更好的值，那么它实际上无法看到模型与数据的匹配程度有任何差异。

我建议尝试从对你的数据更合理的值开始，也许N = 1.e6，lamb = 1.e-4，B = 100。

正如James建议的那样，让变量的值大约为1，并根据需要加入比例因子通常有助于获得数值稳定的解决方案。

指数数据的lmfit返回线性函数

2 个答案: