Question

我正在编写一个代码，该代码需要一些数据，并使用具有5个未知参数的模型拟合数据。

我给出了这些参数的一些初始值。我使用optimize.minimize函数将数据和模型（chi ^ 2函数）之间的差异最小化，以获得这些参数的最佳拟合值。

我在Jupyter笔记本和python脚本中运行代码。但是，结果不同。 Jupyter笔记本电脑更贴合身体。在python脚本中，拟合度不是很好，未知参数的结果值与初始值似乎没有太大变化（某些参数保持不变）

我尝试查看了Jupyter（0.19.1）和python（0.18.0）中安装的optimize.minimize函数的两个不同版本的文档。

我检查了参数的值，但是两个函数的值都相同（都是由我自己设置的，并且是默认值）。

可能性函数：

def ds_lnlike(par, logm, d, d_err):
    logms, ds1, ds2, a1, a2 = par     
    model= np.log(10)*(ds1*10**((a1 + 1)*(logm - logms)) + ds2*10**((a2 +1)*(logm - logms)))/np.e**(10**(logm - logms))
    return -0.5*np.sum(((d-model)**2)/d_err**2)

optimize.minimize：

nll = lambda *args: -model.ds_lnlike(*args) 
result = op.minimize(nll, [logms[j], ds1[j], ds2[j], a1[j], a2[j]], args=(x, y, dy), method='TNC', bounds = ((7,13),(0, 0.1),(0, 0.1), (-2, 4), (-2, -1)), tol=1.0e-4)
logms[j], ds1[j], ds2[j], a1[j], a2[j] = result["x"]

初始值：10.7 1.0e-3 0.5e-3 -0.5 -1.5

Jupyter值：1.07708741e+01, 6.59697230e-03, 9.48211306e-04, -3.37329546e-01, -1.57843904e+00

python值：10.699999999999999, 0.0062248066587528919, 0.0012695745516126539, -0.5, -1.5

optimize.minimize函数，Jupyter笔记本和python中的区别？

0 个答案: