mirror of
https://github.com/aportelli/LatAnalyze.git
synced 2024-11-10 00:45:36 +00:00
scan mode in 2-pt fitter
This commit is contained in:
parent
c7ed995052
commit
7163a55775
@ -11,11 +11,28 @@
|
||||
using namespace std;
|
||||
using namespace Latan;
|
||||
|
||||
struct TwoPtFit
|
||||
{
|
||||
SampleFitResult result;
|
||||
Index tMin, tMax;
|
||||
};
|
||||
|
||||
void setFitRange(XYSampleData &data, const Index ti, const Index tf,
|
||||
const Index thinning, const Index nt)
|
||||
{
|
||||
for (Index t = 0; t < nt; ++t)
|
||||
{
|
||||
data.fitPoint((t >= ti) and (t <= tf)
|
||||
and ((t - ti) % thinning == 0), t);
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
int main(int argc, char *argv[])
|
||||
{
|
||||
// parse arguments /////////////////////////////////////////////////////////
|
||||
OptParser opt;
|
||||
bool parsed, doPlot, doHeatmap, doCorr, fold;
|
||||
bool parsed, doPlot, doHeatmap, doCorr, fold, doScan;
|
||||
string corrFileName, model, outFileName, outFmt, savePlot;
|
||||
Index ti, tf, shift, nPar, thinning;
|
||||
double svdTol;
|
||||
@ -48,8 +65,10 @@ int main(int argc, char *argv[])
|
||||
"show the fit plot");
|
||||
opt.addOption("h", "heatmap" , OptParser::OptType::trigger, true,
|
||||
"show the fit correlation heatmap");
|
||||
opt.addOption("s", "save-plot", OptParser::OptType::value, true,
|
||||
opt.addOption("", "save-plot", OptParser::OptType::value, true,
|
||||
"saves the source and .pdf", "");
|
||||
opt.addOption("", "scan", OptParser::OptType::trigger, true,
|
||||
"scan all possible fit ranges within [ti,tf]");
|
||||
opt.addOption("", "help" , OptParser::OptType::trigger, true,
|
||||
"show this help message and exit");
|
||||
parsed = opt.parse(argc, argv);
|
||||
@ -73,7 +92,8 @@ int main(int argc, char *argv[])
|
||||
fold = opt.gotOption("fold");
|
||||
doPlot = opt.gotOption("p");
|
||||
doHeatmap = opt.gotOption("h");
|
||||
savePlot = opt.optionValue("s");
|
||||
savePlot = opt.optionValue("save-plot");
|
||||
doScan = opt.gotOption("scan");
|
||||
switch (opt.optionValue<unsigned int>("v"))
|
||||
{
|
||||
case 0:
|
||||
@ -118,7 +138,7 @@ int main(int argc, char *argv[])
|
||||
}
|
||||
}
|
||||
|
||||
// make model //////////////////////////////////////////////////////////////
|
||||
// make models /////////////////////////////////////////////////////////////
|
||||
DoubleModel mod;
|
||||
bool sinhModel = false, coshModel = false, linearModel = false, constModel = false;
|
||||
|
||||
@ -222,7 +242,6 @@ int main(int argc, char *argv[])
|
||||
// fit /////////////////////////////////////////////////////////////////////
|
||||
DMatSample tvec(nSample);
|
||||
XYSampleData data(nSample);
|
||||
SampleFitResult fit;
|
||||
DVec init(nPar);
|
||||
NloptMinimizer globMin(NloptMinimizer::Algorithm::GN_CRS2_LM);
|
||||
MinuitMinimizer locMin;
|
||||
@ -235,7 +254,7 @@ int main(int argc, char *argv[])
|
||||
data.addXDim(nt, "t/a", true);
|
||||
data.addYDim("C(t)");
|
||||
data.setUnidimData(tvec, corr);
|
||||
// set parameter name /////////////
|
||||
// set parameter name ******************************************************
|
||||
if(constModel)
|
||||
{
|
||||
mod.parName().setName(0, "const");
|
||||
@ -248,7 +267,7 @@ int main(int argc, char *argv[])
|
||||
mod.parName().setName(p + 1, "Z_" + strFrom(p/2));
|
||||
}
|
||||
}
|
||||
//set initial values ////////////////
|
||||
// set initial values ******************************************************
|
||||
if (linearModel)
|
||||
{
|
||||
init(0) = data.y(nt/4, 0)[central] - data.y(nt/4 + 1, 0)[central];
|
||||
@ -263,7 +282,6 @@ int main(int argc, char *argv[])
|
||||
{
|
||||
init(0) = log(data.y(nt/4, 0)[central]/data.y(nt/4 + 1, 0)[central]);
|
||||
init(1) = data.y(nt/4, 0)[central]/(exp(-init(0)*nt/4));
|
||||
// cout << init(0) << "\t" << init(1) << endl;
|
||||
}
|
||||
for (Index p = 2; p < nPar; p += 2)
|
||||
{
|
||||
@ -271,7 +289,7 @@ int main(int argc, char *argv[])
|
||||
init(p + 1) = init(p - 1)/2.;
|
||||
|
||||
}
|
||||
// set limits for minimiser //////////////
|
||||
// set limits for minimisers ***********************************************
|
||||
for (Index p = 0; p < nPar; p += 2)
|
||||
{
|
||||
if (linearModel)
|
||||
@ -284,16 +302,15 @@ int main(int argc, char *argv[])
|
||||
globMin.setLowLimit(p, -10*fabs(init(0)));
|
||||
locMin.setLowLimit(p, -10*fabs(init(0)));
|
||||
globMin.setHighLimit(p, 10*fabs(init(0)));
|
||||
locMin.setHighLimit(p, 10*fabs(init(0)));
|
||||
}
|
||||
else
|
||||
{
|
||||
globMin.setLowLimit(p, 0.);
|
||||
// locMin.setLowLimit(p, 0.);
|
||||
globMin.setHighLimit(p, 10.*init(p));
|
||||
}
|
||||
if(!constModel)
|
||||
{
|
||||
locMin.setLowLimit(p+1, -1);
|
||||
globMin.setLowLimit(p + 1, -10.*fabs(init(p + 1)));
|
||||
globMin.setHighLimit(p + 1, 10.*fabs(init(p + 1)));
|
||||
}
|
||||
@ -304,133 +321,254 @@ int main(int argc, char *argv[])
|
||||
globMin.setVerbosity(verbosity);
|
||||
locMin.setMaxIteration(1000000);
|
||||
locMin.setVerbosity(verbosity);
|
||||
// fit /////////////////////////////////
|
||||
for (Index t = 0; t < nt; ++t)
|
||||
|
||||
// fit /////////////////////////////////////////////////////////////////////
|
||||
if (!doScan)
|
||||
{
|
||||
data.fitPoint((t >= ti) and (t <= tf)
|
||||
and ((t - ti) % thinning == 0), t);
|
||||
}
|
||||
if (doCorr)
|
||||
{
|
||||
cout << "-- uncorrelated fit..." << endl;
|
||||
}
|
||||
cout << "using model '" << model << "'" << endl;
|
||||
data.setSvdTolerance(svdTol);
|
||||
data.assumeYYCorrelated(false, 0, 0);
|
||||
fit = data.fit(unCorrMin, init, mod);
|
||||
fit.print();
|
||||
if (doCorr)
|
||||
{
|
||||
cout << "-- correlated fit..." << endl;
|
||||
SampleFitResult fit;
|
||||
|
||||
setFitRange(data, ti, tf, thinning, nt);
|
||||
if (doCorr)
|
||||
{
|
||||
cout << "-- uncorrelated fit..." << endl;
|
||||
}
|
||||
cout << "using model '" << model << "'" << endl;
|
||||
init = fit[central];
|
||||
data.assumeYYCorrelated(true, 0, 0);
|
||||
fit = data.fit(locMin, init, mod);
|
||||
data.setSvdTolerance(svdTol);
|
||||
data.assumeYYCorrelated(false, 0, 0);
|
||||
fit = data.fit(unCorrMin, init, mod);
|
||||
fit.print();
|
||||
if (doCorr)
|
||||
{
|
||||
cout << "-- correlated fit..." << endl;
|
||||
cout << "using model '" << model << "'" << endl;
|
||||
init = fit[central];
|
||||
data.assumeYYCorrelated(true, 0, 0);
|
||||
fit = data.fit(locMin, init, mod);
|
||||
fit.print();
|
||||
}
|
||||
if (!outFileName.empty())
|
||||
{
|
||||
Io::save(fit, outFileName);
|
||||
}
|
||||
// plots ***************************************************************
|
||||
if (doPlot)
|
||||
{
|
||||
if (!constModel)
|
||||
{
|
||||
Plot p;
|
||||
|
||||
p << PlotRange(Axis::x, 0, nt - 1);
|
||||
if (!linearModel and !constModel)
|
||||
{
|
||||
p << LogScale(Axis::y);
|
||||
}
|
||||
p << Color("rgb 'blue'") << PlotPredBand(fit.getModel(_), 0, nt - 1);
|
||||
p << Color("rgb 'blue'") << PlotFunction(fit.getModel(), 0, nt - 1);
|
||||
p << Color("rgb 'red'") << PlotData(data.getData());
|
||||
p.display();
|
||||
if(savePlot != "")
|
||||
{
|
||||
p.save(savePlot + "_corr");
|
||||
}
|
||||
}
|
||||
{
|
||||
Plot p;
|
||||
DMatSample effMass(nSample);
|
||||
DVec effMassT, fitErr;
|
||||
Index maxT = (coshModel) ? (nt - 2) : (nt - 1);
|
||||
double e0, e0Err;
|
||||
|
||||
effMass.resizeMat(maxT, 1);
|
||||
effMassT.setLinSpaced(maxT, 0, maxT-1);
|
||||
fitErr = fit.variance().cwiseSqrt();
|
||||
e0 = fit[central](0);
|
||||
e0Err = fitErr(0);
|
||||
if (coshModel or sinhModel)
|
||||
{
|
||||
FOR_STAT_ARRAY(effMass, s)
|
||||
{
|
||||
for (Index t = 1; t < nt - 1; ++t)
|
||||
{
|
||||
effMass[s](t - 1) = acosh((corr[s](t-1) + corr[s](t+1))
|
||||
/(2.*corr[s](t)));
|
||||
}
|
||||
}
|
||||
}
|
||||
else if (linearModel)
|
||||
{
|
||||
FOR_STAT_ARRAY(effMass, s)
|
||||
{
|
||||
for (Index t = 0; t < nt - 1; ++t)
|
||||
{
|
||||
effMass[s](t) = corr[s](t) - corr[s](t+1);
|
||||
}
|
||||
}
|
||||
}
|
||||
else if (constModel)
|
||||
{
|
||||
FOR_STAT_ARRAY(effMass, s)
|
||||
{
|
||||
for (Index t = 0; t < nt - 1; ++t)
|
||||
{
|
||||
effMass[s](t) = corr[s](t);
|
||||
}
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
FOR_STAT_ARRAY(effMass, s)
|
||||
{
|
||||
for (Index t = 1; t < nt; ++t)
|
||||
{
|
||||
effMass[s](t - 1) = log(corr[s](t-1)/corr[s](t));
|
||||
}
|
||||
}
|
||||
}
|
||||
p.reset();
|
||||
p << PlotRange(Axis::x, 0, maxT);
|
||||
p << PlotRange(Axis::y, e0 - 20.*e0Err, e0 + 20.*e0Err);
|
||||
p << Color("rgb 'blue'") << PlotBand(0, maxT, e0 - e0Err, e0 + e0Err);
|
||||
p << Color("rgb 'blue'") << PlotHLine(e0);
|
||||
p << Color("rgb 'red'") << PlotData(effMassT, effMass);
|
||||
p << Caption("Effective Mass");
|
||||
p.display();
|
||||
if(savePlot != "")
|
||||
{
|
||||
p.save(savePlot + "_effMass");
|
||||
}
|
||||
}
|
||||
if (doHeatmap)
|
||||
{
|
||||
Plot p;
|
||||
Index n = data.getFitVarMat().rows();
|
||||
DMat id = DMat::Identity(n, n);
|
||||
|
||||
p << PlotMatrix(Math::varToCorr(data.getFitVarMat()));
|
||||
p << Caption("correlation matrix");
|
||||
p.display();
|
||||
if (svdTol > 0.)
|
||||
{
|
||||
p.reset();
|
||||
p << PlotMatrix(id - data.getFitVarMat()*data.getFitVarMatPInv());
|
||||
p << Caption("singular space projector");
|
||||
p.display();
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
}
|
||||
// plots ///////////////////////////////////////////////////////////////////
|
||||
if (doPlot)
|
||||
// scan fits ///////////////////////////////////////////////////////////////
|
||||
else
|
||||
{
|
||||
Plot p;
|
||||
Index nFit = 0, f = 0, ti0 = ti + (tf - ti)/4, tf0 = tf - (tf - ti)/4,
|
||||
matSize = tf - ti - nPar + 1;
|
||||
DMat err, pVal(matSize, matSize), relErr(matSize, matSize),
|
||||
ccdf(matSize, matSize), val(matSize, matSize);
|
||||
map<double, TwoPtFit> fit;
|
||||
SampleFitResult tmpFit;
|
||||
|
||||
p << PlotRange(Axis::x, 0, nt - 1);
|
||||
if (!linearModel and !constModel)
|
||||
cout << "-- initial uncorrelated fit on [" << ti0 << ", " << tf0 << "]..." << endl;
|
||||
if (thinning != 1)
|
||||
{
|
||||
p << LogScale(Axis::y);
|
||||
cerr << "warning: thinning different from 1 ignored in scan mode"
|
||||
<< endl;
|
||||
thinning = 1;
|
||||
}
|
||||
p << Color("rgb 'blue'") << PlotPredBand(fit.getModel(_), 0, nt - 1);
|
||||
p << Color("rgb 'blue'") << PlotFunction(fit.getModel(), 0, nt - 1);
|
||||
p << Color("rgb 'red'") << PlotData(data.getData());
|
||||
p.display();
|
||||
if(savePlot != "")
|
||||
setFitRange(data, ti0, tf0, thinning, nt);
|
||||
data.setSvdTolerance(svdTol);
|
||||
data.assumeYYCorrelated(false, 0, 0);
|
||||
tmpFit = data.fit(unCorrMin, init, mod);
|
||||
tmpFit.print();
|
||||
cout << "-- scanning all possible fit ranges..." << endl;
|
||||
init = tmpFit[central];
|
||||
data.assumeYYCorrelated(doCorr, 0, 0);
|
||||
pVal.fill(Math::nan);
|
||||
relErr.fill(Math::nan);
|
||||
val.fill(Math::nan);
|
||||
ccdf.fill(Math::nan);
|
||||
for (Index ta = ti; ta < tf; ++ta)
|
||||
for (Index tb = ta + nPar; tb < tf; ++tb)
|
||||
{
|
||||
cout << "Saving plot and source code to " << savePlot << endl;
|
||||
p.save(savePlot);
|
||||
nFit++;
|
||||
}
|
||||
// effective mass plot //////////////////////////////////////////////////////
|
||||
if (!constModel)
|
||||
for (Index ta = ti; ta < tf; ++ta)
|
||||
for (Index tb = ta + nPar; tb < tf; ++tb)
|
||||
{
|
||||
DMatSample effMass(nSample);
|
||||
DVec effMassT, fitErr;
|
||||
Index maxT = (coshModel) ? (nt - 2) : (nt - 1);
|
||||
double e0, e0Err;
|
||||
Index i = ta - ti, j = tb - ti;
|
||||
|
||||
effMass.resizeMat(maxT, 1);
|
||||
effMassT.setLinSpaced(maxT, 0, maxT-1);
|
||||
fitErr = fit.variance().cwiseSqrt();
|
||||
e0 = fit[central](0);
|
||||
e0Err = fitErr(0);
|
||||
if (coshModel or sinhModel)
|
||||
{
|
||||
FOR_STAT_ARRAY(effMass, s)
|
||||
{
|
||||
for (Index t = 1; t < nt - 1; ++t)
|
||||
{
|
||||
effMass[s](t - 1) = acosh((corr[s](t-1) + corr[s](t+1))
|
||||
/(2.*corr[s](t)));
|
||||
}
|
||||
}
|
||||
}
|
||||
else if (linearModel)
|
||||
{
|
||||
FOR_STAT_ARRAY(effMass, s)
|
||||
{
|
||||
for (Index t = 0; t < nt - 1; ++t)
|
||||
{
|
||||
effMass[s](t) = corr[s](t) - corr[s](t+1);
|
||||
}
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
FOR_STAT_ARRAY(effMass, s)
|
||||
{
|
||||
for (Index t = 1; t < nt; ++t)
|
||||
{
|
||||
effMass[s](t - 1) = log(corr[s](t-1)/corr[s](t));
|
||||
}
|
||||
}
|
||||
}
|
||||
p.reset();
|
||||
p << PlotRange(Axis::x, 0, maxT);
|
||||
p << PlotRange(Axis::y, e0 - 20.*e0Err, e0 + 20.*e0Err);
|
||||
p << Color("rgb 'blue'") << PlotBand(0, maxT, e0 - e0Err, e0 + e0Err);
|
||||
p << Color("rgb 'blue'") << PlotHLine(e0);
|
||||
p << Color("rgb 'red'") << PlotData(effMassT, effMass);
|
||||
p << Caption("Effective Mass");
|
||||
setFitRange(data, ta, tb, thinning, nt);
|
||||
tmpFit = data.fit(locMin, init, mod);
|
||||
err = tmpFit.variance().cwiseSqrt();
|
||||
pVal(i, j) = tmpFit.getPValue();
|
||||
ccdf(i, j) = tmpFit.getCcdf();
|
||||
val(i, j) = tmpFit[central](0);
|
||||
relErr(i, j) = err(0)/fabs(val(i, j));
|
||||
fit[pVal(i, j)].result = tmpFit;
|
||||
fit[pVal(i, j)].tMin = ta;
|
||||
fit[pVal(i, j)].tMax = tb;
|
||||
f++;
|
||||
cout << "\r[" << ta << ", " << tb << "] "<< ProgressBar(f, nFit);
|
||||
}
|
||||
cout << endl << endl;
|
||||
cout << "TOP 10 fits" << endl;
|
||||
cout << "-----------" << endl;
|
||||
auto it = fit.rbegin();
|
||||
unsigned int k = 0;
|
||||
while (k < 10)
|
||||
{
|
||||
auto &f = it->second;
|
||||
|
||||
cout << "#" << k + 1 << " -- [" << f.tMin << ", " << f.tMax << "] -- ";
|
||||
f.result.print();
|
||||
cout << endl;
|
||||
k++;
|
||||
it++;
|
||||
}
|
||||
// plots ***************************************************************
|
||||
if (doPlot)
|
||||
{
|
||||
Plot p;
|
||||
|
||||
p << PlotMatrix(pVal);
|
||||
p << Caption("p-value matrix");
|
||||
p << Label("tMin - " + strFrom(ti), Axis::x);
|
||||
p << Label("tMax - " + strFrom(ti), Axis::y);
|
||||
p.display();
|
||||
if(savePlot != "")
|
||||
{
|
||||
string savename = savePlot + "_effMass";
|
||||
cout << "Saving effective mass plot and source code to " << savename << endl;
|
||||
p.save(savename);
|
||||
p.save(savePlot + "_pValMatrix");
|
||||
}
|
||||
p.reset();
|
||||
p << PlotMatrix(relErr);
|
||||
p << Caption("Relative error matrix");
|
||||
p << Label("tMin - " + strFrom(ti), Axis::x);
|
||||
p << Label("tMax - " + strFrom(ti), Axis::y);
|
||||
p.display();
|
||||
if(savePlot != "")
|
||||
{
|
||||
p.save(savePlot + "_relErrMatrix");
|
||||
}
|
||||
p.reset();
|
||||
p << PlotMatrix(val);
|
||||
p << Caption("Fit result matrix");
|
||||
p << Label("tMin - " + strFrom(ti), Axis::x);
|
||||
p << Label("tMax - " + strFrom(ti), Axis::y);
|
||||
p.display();
|
||||
if(savePlot != "")
|
||||
{
|
||||
p.save(savePlot + "_valMatrix");
|
||||
}
|
||||
p.reset();
|
||||
p << PlotMatrix(ccdf);
|
||||
p << Caption("chi^2 CCDF matrix");
|
||||
p << Label("tMin - " + strFrom(ti), Axis::x);
|
||||
p << Label("tMax - " + strFrom(ti), Axis::y);
|
||||
p.display();
|
||||
if(savePlot != "")
|
||||
{
|
||||
p.save(savePlot + "_ccdfMatrix");
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
if (doHeatmap)
|
||||
{
|
||||
Plot p;
|
||||
Index n = data.getFitVarMat().rows();
|
||||
DMat id = DMat::Identity(n, n);
|
||||
|
||||
p << PlotMatrix(Math::varToCorr(data.getFitVarMat()));
|
||||
p << Caption("correlation matrix");
|
||||
p.display();
|
||||
if (svdTol > 0.)
|
||||
{
|
||||
p.reset();
|
||||
p << PlotMatrix(id - data.getFitVarMat()*data.getFitVarMatPInv());
|
||||
p << Caption("singular space projector");
|
||||
p.display();
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
// output //////////////////////////////////////////////////////////////////
|
||||
if (!outFileName.empty())
|
||||
{
|
||||
Io::save(fit, outFileName);
|
||||
}
|
||||
|
||||
return EXIT_SUCCESS;
|
||||
|
||||
Loading…
Reference in New Issue
Block a user