python - 使用 lmfit 时将参数传递给 emcce 示例

Question

我正在尝试使用 lmfit 和 emcee minner 将函数拟合到两个数据集

我的代码如下所示：

minner = lmfit.Minimizer(function_2min, params, fcn_args=([x1,x2], [y1,y2],[y_err1,y_err2]))
result = minner.minimize(method='emcee')

这适用于某些数据集，但有时我会收到如下所示的错误：

“ValueError：初始状态的条件数很大。确保你的步行者是线性独立的以获得最佳性能”

从我搜索的内容来看，跳过此错误的解决方案似乎是在 emcce示例skip_initial_state_check中设置参数True

我试图通过这种方式将此设置传递给最小化器来做到这一点：

result = minner.minimize(method='emcee',**{'skip_initial_state_check':True})

但是我得到一个错误：

“TypeError：emcee() 得到了一个意外的关键字参数‘skip_initial_state_check’”

但是，当我尝试通过将任何其他参数传递给司仪来做到这一点时，它似乎可以工作。例如，这很好用：

result = minner.minimize(method='emcee',**{'nwalkers':5000})

所以我的结论是，我没有将参数传递给 emcee 样本，而是一般地传递给 emcee。有人会这么好心地提出解决方案吗？不幸的是，我不能使用最小二乘拟合，因为它往往会经常卡在局部最小值上。

score 0 · Accepted Answer

lmfit.emcee创建一个emcee.EnsembleSampler，然后运行该采样器run_mcmc()方法。您可以将可选参数传递给 lmfit.emcee(...., run_mcmc_kwargs={})

不过，我不知道这是否会满足您的要求。emcee我猜您实际上想在尝试跳过检查之前注意给出的错误消息。

更重要的是，您打开了“我正在尝试使用 lmfit 和 emcee 将函数拟合到两个数据集”的前提，这表明您走错了路。 emcee不 - 也不能 - 实际上适合。它可以探索参数空间，这肯定是有用的，但它从来没有打算找到改进的解决方案。

如果进行实际拟合发现错误的最小值，那么您可能需要一个更“全局”的求解器（emcee也不属于该类别！）或者了解为什么您的问题容易出现这种错误的最小值——也许它们在之后就不那么错误了全部，或者它可能指向一个有缺陷的模型或“拟合优度”度量。

1 回答 1