Python lmfit 库：如何使用最小化器来限制函数调用的次数

Question

如何使用 Minimizer 对象来最小化函数调用的次数。我从日志中得到这条消息：

函数调用过多（最大值设置为 %i）！使用：minimize(func, params, ..., maxfev=NNN) 或设置 minimumsq_kws[\'maxfev\'] 来增加这个最大值。'

from numpy import sqrt, pi, exp, loadtxt
from lmfit import  Model
from lmfit import Minimizer
import matplotlib.pyplot as plt

data = loadtxt('data/model1d_gauss.dat')
x = data[:, 0]
y = data[:, 1]

def gaussian(x, amp, cen, wid):
    "1-d gaussian: gaussian(x, amp, cen, wid)"
    return (amp/(sqrt(2*pi)*wid)) * exp(-(x-cen)**2 /(2*wid**2))


gmodel = Model(gaussian)

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method= 'least_squares')

print(result.fit_report())

r = result.fit_report()

plt.plot(x, y,         'bo')
plt.plot(x, result.init_fit, 'k--')
plt.plot(x, result.best_fit, 'r-')
plt.show()

lmfit documentation link

Github link

我想通过最小化函数调用来加快拟合（反正很多数据都是嘈杂的废话）

Answer 1

不确定我是否会推荐这个，但由于您在内部使用 scipy 的 least_squares，您可以只传递所需的选项，例如：

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method='least_squares',
                    fit_kws={'max_nfev': 100})

当然这是假设 lmfit 在观察到maxiter reached 状态后会接受该状态。但从你的问题听起来，这仅被视为警告。

请记住，此优化器基于容差标准（请参阅文档），并且在给定 x 步数的情况下不收敛时，它实际上认为它仍然可以改进最小化！

如评论中所问：是的，您也可以更改这些标准，例如通过这样做：

result = gmodel.fit(y, x=x, amp=5, cen=1, wid=1,method='least_squares',
                fit_kws={'ftol': 1-07,   # default 1e-08
                         'xtol': 1-07,   #         1e-08
                         'gtol': 1-07})  #         1e-08