LMFIT置信区间不确定性估计python上的错误

Question

输出错误是： 最小化异常： 如果没有合理的不确定性估计，就无法确定置信区间

为什么会出现这个错误？如何计算不确定性估计并解决这个问题？

for dosya1 in glob.glob("mean*"):
     data1=np.genfromtxt(dosya1, skip_header=0, skip_footer=0, names=["wavelength","mean"])
     x=data1["wavelength"]

     mod=VoigtModel()
     pars = mod.guess(y, x=x)
     pars['gamma'].set(value=0.7, vary=True, expr="")     
out=mod.fit(y,pars, x=x)

     pars=lmfit.Parameters()
     pars.add_many(('amp', out.params["amplitude"].value), ('sig', out.params["sigma"].value), ("gam",out.params["gamma"].value),("cent",out.params["center"].value))

 def residual(p):
     amp=p["amp"].value
     sig=p["sig"].value
     gam=p["gam"].value
     cent=p["cent"].value  
     return  ((wofz((x-cent + wofz(gam).imag)/(sig*(sqrt(2)))).real) / (sig*(sqrt(2))))- y

 mini = lmfit.Minimizer(residual, pars)
 result=mini.minimize()

 ci = lmfit.conf_interval(mini, result)
 lmfit.printfuncs.report_ci(ci)  

Answer 1

如果lmfit.minimize()（实际上是leastsq()，它调用它）无法通过反转曲率矩阵来估计不确定性，您将收到此错误消息。它使用这些值（通常是非常好的估计，顺便说一句）作为显式探索参数空间的尺度。 leastsq() 可能无法估计不确定性有几个可能的原因。常见原因是没有发现一个或多个变量会改变拟合，或者残差包含 NaN。

很难预测何时会发生这种情况。在调用conf_interval() 之前，您应该考虑这种可能性和/或检查初始拟合是否成功并且能够对不确定性进行初始估计（检查result.errorbars）。