Python scipy中最小二乘函数雅可比矩阵的方法签名

任何人都可以提供一个例子，向in

scipy

中的用户提供雅可比矩阵吗

---

我无法确定他们想要的方法签名-他们说它应该是一个函数，但很难确定这个函数应该接受什么样的输入参数和顺序。

下面是我使用的指数衰减拟合：

import numpy as np
from scipy.optimize import leastsq

def f(var,xs):
    return var[0]*np.exp(-var[1]*xs)+var[2]

def func(var, xs, ys):
    return f(var,xs) - ys

def dfunc(var,xs,ys):
    v = np.exp(-var[1]*xs)
    return [v,-var[0]*xs*v,np.ones(len(xs))]

xs = np.linspace(0,4,50)
ys = f([2.5,1.3,0.5],xs)
yn = ys + 0.2*np.random.normal(size=len(xs))
fit = leastsq(func,[10,10,10],args=(xs,yn),Dfun=dfunc,col_deriv=1)

---

如果我想使用

col_deriv=0

，我想我基本上必须将我返回的数据与dfunc进行转置。不过你说得很对：关于这方面的文档不是很好。

它确实有效，但讽刺的是，我上一个问题中的例子仍然失败：p好吧，我可能应该选择其他方法。是的，正如蒂尔斯滕所说。基本上，这是指数衰减拟合和指数增长拟合之间的区别。这是一个很大的区别。我认为，当你猜错符号开始时，你必须尝试使用二阶导数的其他方法，以有机会解决问题。它可能也需要一个类似的附加动量项。谢谢，贾斯汀。2年后，仍然在帮助人们。