Python Scipy优化边界的曲线拟合误差

当我尝试跑步时：

bet = (nu[minimum],10**4,3000,0,0,5000)   # Array of initial bet parameters
bound = ( (nu[0],nu[len(nu)-1]),(10**3,10**6),(-np.inf,np.inf),(-np.inf,np.inf),(-np.inf,np.inf),(-np.inf,np.inf) )
popt,pcov = curve_fit(S_21,x,y, p0=bet, bounds = bound)

TypeError:leastsq（）获得意外的关键字参数“bounds”

---

有什么问题？我在Windows上使用Python 3.4.4。

scipy.optimize.leastsq

不支持边界，在scipy版本0.17之前一直由

curve\u fit

使用。OTOH，

scipy.optimize.least_squares

（在较新版本的scipy中由

curve\u fit

使用）可以支持边界，但在使用

lm

（Levenberg-Marquardt）方法时不支持，因为这是

scipy.optimize.leastsq

的简单包装。这有点令人困惑

---

请允许我推荐尝试

lmfit

（），它支持所有参数的边界，并且可以轻松地修复/更改参数，而无需更改模型函数。Lmfit的模型类提供了一种方便的曲线拟合方法，并提供了大量用于探索参数置信区间的工具。

在scipy 0.17以下版本（在0.14和0.15中尝试过）中，另一个对我有效的解决方法是告诉leastsq对func进行更多调用（但这取决于func的收敛速度）

例如，您可以尝试：

popt,pcov = curve_fit(S_21,x,y, p0=bet, maxfev=10000)

---

bounds

参数是在scipy版本0.17中添加的。您使用的是哪个版本？请使用

import scipy；print（scipy.\uuuuuuuuu版本）

进行检查。