'TypeError: 'CompositeModel' object is not callable' 尝试拟合复合模型时

Question

我目前正在使用lmfit 分析一些光谱数据，特别是尝试拟合由高斯和线性模型组成的复合模型，多次（现在 4 次，可能需要拟合一些将来会更多），并且我不断收到上述错误。这是我当前的代码：

gausmodel = GaussianModel()
linemodel = LinearModel()

params = linemodel.make_params(intercept=40, slope=0)
params += gausmodel.make_params(cen=100, sigma=10, amplitude=100)

model = gausmodel + linemodel

x = pd.DataFrame(np.arange(0, 351), columns=['Pixel Position'])
df = pd.concat([x, intens], axis=1)

# Create models for fitting
peak1 = model(prefix='p1_')
peak2 = model(prefix='p2_')
peak3 = model(prefix='p3_')
peak4 = model(prefix='p4_')

# Set hints for start parameters
params = peak1.make_params()

params['p1_cen'].set(value=80, min=70, max=100)
params['p1_sigma'].set(value=10, min=5, max=20)
params['p1_amplitude'].set(value=80, min=50, max=100000)
params['p1_intercept'].set(value=40, min=30, max=55)
params['p1_slope'].set(value=1, min=0.00001, max=5)

params.update(peak2.make_params())

params['p2_center'].set(value=150, min=140, max=160)
params['p2_sigma'].set(value=10, min=5, max=20)
params['p2_amplitude'].set(value=80, min=50, max=100000)
params['p2_intercept'].set(value=40, min=30, max=55)
params['p2_slope'].set(value=1, min=0.00001, max=5)

params.update(peak3.make_params())

params['p3_center'].set(value=200, min=180, max=220)
params['p3_sigma'].set(value=10, min=5, max=20)
params['p3_amplitude'].set(value=100, min=50, max=100000)
params['p3_intercept'].set(value=40, min=30, max=55)
params['p3_slope'].set(value=1, min=0.00001, max=5)

params.update(peak4.make_params())

params['p4_center'].set(value=250, min=230, max=300)
params['p4_sigma'].set(value=10, min=5, max=20)
params['p4_amplitude'].set(value=100, min=50, max=100000)
params['p4_intercept'].set(value=40, min=30, max=55)
params['p4_slope'].set(value=1, min=0.00001, max=5)

# Define peak model
fit_model = peak1 + peak2 + peak3

# Start fitting
init = fit_model.eval(params, x=df)
result = fit_model.fit(df['Intensity'], params, x=df['Pixel Position'])

print(result.fit_report())

我实际上希望继续使用lmfit 而不是scipy，因为 lmfit 会返回一些我需要的有用统计信息，尤其是减少的卡方。

我的数据框只包含两列，一列是像素位置，另一列是强度，其中有 4 个峰值。

提前非常感谢！

Answer 1

我认为您混淆了什么是模型类和什么是模型实例。此外，您不需要多行 - 两行加起来就是一行。

我建议使用类似的东西：

from lmfit.models import GaussianModel, LinearModel

peak1 = GaussianModel(prefix='p1_')
peak2 = GaussianModel(prefix='p2_')
peak3 = GaussianModel(prefix='p3_')
peak4 = GaussianModel(prefix='p4_')
model = peak1 + peak2 + peak3 + peak4 + LinearModel()

params = model.make_params(intercept=40, slope=0) 

params['p1_center'].set(value=80, min=70, max=100)
params['p1_sigma'].set(value=10, min=0)
params['p1_amplitude'].set(value=80, min=0)

params['p2_center'].set(value=150, min=140, max=160)
params['p2_sigma'].set(value=10, min=0)
params['p2_amplitude'].set(value=80, min=0)

params['p3_center'].set(value=200, min=180, max=220)
params['p3_sigma'].set(value=10, min=0)
params['p3_amplitude'].set(value=100, min=0)

params['p4_center'].set(value=250, min=230, max=300)
params['p4_sigma'].set(value=10, min=0)
params['p4_amplitude'].set(value=100, min=0)

此外，在这里将 numpy 数组转换为数据帧确实没有多大意义——lmfit 只会将它们改回数组。

x = p.arange(0, 351)
init = model.eval(params, x=x)

...