Я использую lmfit для подгонки моих данных к гауссианам.Есть три вещи, которые я пытаюсь применить: 1) Понять, как ошибки рассчитываются в lmfit 2) Как включить мои собственные вычисленные ошибки в lmfit 3) Как отобразить ошибки в пределах соответствия
def gaussian(x, amp, cen, fwhm):
return + amp * np.exp(-(x - cen) ** 2 / (2 * (fwhm / 2.35482) ** 2))
def gaussian_fit(x,y,guess=[1,0,0,5],varies=[True,True,True,True]):
c = 299792458 #m/s
gmod = Model(gaussian)
gmod.nan_policy = 'omit'
#x,y - your dataset to fit, with x and y values
print (np.max(y))
gmod.set_param_hint('amp', value=guess[0],vary=varies[0])
gmod.set_param_hint('cen', value=guess[1],vary=varies[1])
gmod.set_param_hint('fwhm', value=guess[2],vary=varies[2])
gmod.make_params()
result = gmod.fit(y,x=x,amp=guess[0], cen=guess[1], fwhm=guess[2])
amp = result.best_values['amp']
cen = result.best_values['cen']
fwhm = result.best_values['fwhm']
#level = result.best_values['level']
sigma = fwhm / 2.35482
c = 299792458 #m/s
print(result.fit_report())
gaussfield = amp * np.sqrt(2 * np.pi * sigma ** 2)
residual = y - result.best_fit
print ('params:',amp,cen,fwhm,sigma,gaussfield)
return amp,cen,fwhm,sigma,gaussfield,residual
amp, cen, fwhm, sigma, gaussfield, residual
= gaussian_fit(xdata,ydata,guess=[.1,6.9,.02],varies=[True,False,False])
Я не вижу, где ошибки включены в сценарий, так как они были включены в окончательный отчет?Как вы можете включить свои собственные ошибки вместо ошибок из lmfit, и как вы можете, наконец, отобразить эти ошибки?