python - 在scipy的least_squares函数中使用Levenberg-Marquardt方法

Question

我正在尝试使用 scipy.optimize.least_squares 来解决(非线性最小二乘)玩具问题。 Python 中的函数。

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' ，则会收到错误 TypeError:需要整数参数，得到 float 。我是否缺少 least_squares 的输入参数？我没有关于该问题的任何进一步信息，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。

Answer 1

如果您喜欢指数表示法，则需要编写 max_nfev=1000000 或 max_nfev=int(1e6)。

1e9 是浮点文字，但 max_nfev 应该是整数。显然，LM 算法会检查这一点，而其他算法可能会默默地接受 float 。

请注意值和数据类型之间的区别:

1 是值为 1 的整数，1.0 是值为 1 的 float 。从数学上讲，两者具有相同的值，但它们不是同一件事，因为它们具有不同的数据类型。