我正在尝试使用lmfit使某些模型适合我的数据。请参阅下面的MWE：

import lmfit
import numpy as np

def lm(params,x):
    slope = params['slope']
    interc = params['interc']

    return interc + slope * x

def lm_min(params,x,data):
    y = lm(params,x)
    return data - y

x = np.linspace(0,100,1000)
y = lm({'slope':1,'interc':0.5},x)

ydata = y + np.random.randn(1000)

params = lmfit.Parameters()
params.add('slope',2)
params.add('interc',1)

fitter = lmfit.Minimizer(lm_min,params,fcn_args=(x,ydata),fit_kws={'xatol':0.01})
fit = fitter.minimize(method='nelder')

为了尽早完成（准确性现在不是最重要的事情），我想更改停止拟合的标准。基于docs和对SO的一些搜索，我尝试提供一些关键字参数（在下面的行中为fit_kws），这些参数将传递给所使用的最小化器。我也尝试使用kws和**{'xatol':0.01}。紧接着，我还在最后一行称为fitter.minimize()的行中尝试了上述选项。但是，在所有情况下，我都会得到一个TypeError，说它得到了意外的关键字参数：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
~/STACK/WUR/PhD/Experiments/microclimate experiment/Scripts/Fluctuations/mwe.py in <module>()
     25 
     26 fitter = lmfit.Minimizer(lm_min,fit_kws={'xatol':0.01})
---> 27 fit = fitter.minimize(method='nelder')
     28 

~/anaconda3/envs/py/lib/python3.6/site-packages/lmfit/minimizer.py in minimize(self,method,**kws)
   1924                         val.lower().startswith(user_method)):
   1925                     kwargs['method'] = val
-> 1926         return function(**kwargs)
   1927 
   1928 

~/anaconda3/envs/py/lib/python3.6/site-packages/lmfit/minimizer.py in scalar_minimize(self,**kws)
    906         else:
    907             try:
--> 908                 ret = scipy_minimize(self.penalty,variables,**fmin_kws)
    909             except AbortFitException:
    910                 pass

TypeError: minimize() got an unexpected keyword argument 'fit_kws'

有人知道我如何为特定的求解器添加关键字参数吗？

版本信息：

python：3.6.9
scipy：1.3.1
lmfit：0.9.12