Python &引用；牛顿CG法需要雅可比矩阵；当jac=False时，对未使用的雅可比矩阵进行近似时？

我正在使用scipy.optimize.minimize进行优化，并尝试使用以下方法：“Newton CG”、“dogleg”和“trust ncg”。据我所知，对于这些方法，需要目标函数的雅可比矩阵。然而，这表明，如果jac设置为False，则将通过数值计算梯度

所以我试着像这样调用函数：

scipy.optimize.minimize(fun,x0,method='Newton-CG',jac=False,options={'disp':True}

当我调用此命令时，会收到以下错误消息：

  File "/usr/lib/python2.7/dist-packages/scipy/optimize/optimize.py", line 1351, in _minimize_newtoncg
raise ValueError('Jacobian is required for Newton-CG method')

这是令人惊讶的，因为我认为我只是将其设置为False（如果jac设置为None，则只有在*/optimize.py中才会发生此异常）。因此，我进入/usr/lib/python2.7/dist-packages/scipy/optimize/optimize.py并查看函数

def _minimize_newtoncg(fun, x0, args=(), jac=None, hess=None, hessp=None,
                   callback=None, xtol=1e-5, eps=_epsilon, maxiter=None,
                   disp=False, return_all=False,
                   **unknown_options):

在该函数的开头，我编写了以下打印语句：

print (jac)
_check_unknown_options(unknown_options)
print(jac)
if jac is None:
    raise ValueError('Jacobian is required for Newton-CG method')

令人惊讶的是，“无”是印刷的，不是假的！因此，我查看了调用函数，它位于/usr/lib/python2.7/dist-packages/scipy/optimize//u minimize.py中，我找到了将其设置为“无”的代码片段：

    if not callable(jac):
    if bool(jac):
        fun = MemoizeJac(fun)
        jac = fun.derivative
    else:
        jac = None

这就是为什么jac被设置为None的原因（尽管它似乎与文档中建议我将通过在原始函数调用中将jac设置为False来获得雅可比矩阵的数值近似值不兼容）

---

我错过了什么？我是否可以像上面使用Scipy计算雅可比矩阵的数值近似值那样调用“Newton CG”方法

根据我在SciPy的经验

SciPy文档提到的数值近似值是您在引用的代码中看到的“MemoizeJac”类。当未提供“jac”时，自动进行记忆。牛顿CG函数的文档中可能有一个错误，它告诉您将雅可比矩阵设置为“False”

---

只需设置jac=None或不提供jac参数，牛顿CG函数将使用梯度的数值近似值。

显然，三年后，缺陷仍然存在

对于Newton CG，最小值只取一个可调用的雅可比矩阵。获取一个的快速方法是使用

scipy.optimize.approx\u fprime

，如下所示：

# x0 is your initial guess.
fprime = lambda x: optimize.approx_fprime(x, f, 0.01)
result = optimize.minimize(f, x0, method = 'Newton-CG', jac = fprime)

---

据我所知，这应该是“2点”方法的实现方式。

表面扫描表明，

\u minimize\u newton\u cg

中缺少近似逻辑。因此，它可能是scipy代码库中的一个bug。不过，还不能完全确定。您可能想在github的scipy bug tracker中打开一个bug，或者希望Warren Weckesser神奇地出现：）我可能需要几年才能神奇地出现：）这看起来像是一个文档问题。看到后，我在github上为它创建了一个问题：“只需设置jac=None或不为jac提供参数…”您尝试过这个吗？您使用了哪个版本的scipy？它对我不起作用。[version Scipy 0.19.1]我再次查看了它，它显然是“Newton CG”方法的自定义行为。使用默认的“方法”时，代码工作正常。但是，当您仅删除“jac=False”时，错误消息会显示“牛顿CG方法需要雅可比矩阵”。我必须进一步研究它，以了解为什么雅可比矩阵的数值近似不适用于牛顿CG方法，但无论出于何种原因，它们似乎被禁用。