Python 在scipy和x27中使用Levenberg-Marquardt方法；s最小二乘函数

我试图通过使用Python中的函数来解决一个（非线性最小二乘）玩具问题

import numpy as np
from scipy.optimize import least_squares

a = 2
b = -1

def myfun(x,a,b):
    return [a*x[0]-x[1]-np.exp(-x[0]), b*x[0]+2*x[1]-np.exp(-x[1])]

x0 = [-5,-5]
sol = least_squares(myfun,x0,method='lm',ftol=1e-9,xtol=1e-9, \
                    max_nfev=1e6,args=(a,b))

print(sol)

'''
method='trf' solution:  x = array([0.56714329,0.56714329])
'''

---

如果我使用Levenberg-Marquardt方法

method='lm'

，那么我会得到一个错误

TypeError:integer参数预期，得到float

。我是否缺少

最小二乘法的输入参数？我没有关于这个问题的更多信息，例如雅可比矩阵，所以我不确定这个方法是否特别适合这个问题。
如果你喜欢指数表示法，你需要写
max\u nfev=1000000
，或者
max\u nfev=int（1e6）

1e9
是浮点文字，但
max\u nfev
应为整数。显然，LM算法会检查这一点，而其他算法可能会默默地接受浮点

请注意值和数据类型之间的差异：

1
是值为1的整数，
1.0
是值为1的浮点。从数学上讲，两者都有相同的值，但它们不是相同的东西，因为它们有不同的数据类型。
谢谢，你说得对。看起来对于LM算法来说，
max\u nfev=int（1e6）
是必需的，但是
trf
和
dogbox
将接受
max\u nfev=1e6
或
max\u nfev=int（1e6）
。