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Python 在scipy和x27中使用Levenberg-Marquardt方法;s最小二乘函数,python,optimization,scipy,nonlinear-optimization,Python,Optimization,Scipy,Nonlinear Optimization,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
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)
。