lmfit 无法拟合或拟合没有计算出的不确定性，即使初始起始参数非常好，为什么？

问题描述

这个问题我已经遇到过几次了，它非常令人沮丧，但结果证明很容易解决。只是想把它放在这里，这样其他人可能会找到它，因为它过去让我很头疼，而且我从未设法找到有关这方面的信息。

问题的症状：

即使拟合数据的初始参数非常好（基于看起来非常接近数据的初始拟合），运行 model.fit(...) 要么无法完全拟合数据，要么确实拟合但在fit.fit_report() ## Warning: uncertainties could not be estimated:...。其他非常相似的拟合可能不会出错，因此似乎根本没有充分的理由。

请注意，这不是数据的限制，也不是任何超小或超大的拟合值实际上会使最小化器更难以处理。

解决方法

答案：

出于某种原因，lmfit 似乎不喜欢 np.float64。在很多情况下（至少对我而言），只需更改传入 np.float32 的数据类型即可完全解决问题。

即使这些值只有几个小数点长也是如此，因此在转换为 float32 时根本不会改变。