scipy - SciPy:Minimumsq与Minimum_squares

Question

SciPy为非线性最小二乘问题提供了两种功能：

optimize.leastsq()仅使用Levenberg-Marquardt算法。

optimize.least_squares()允许我们选择Levenberg-Marquardt，Trust Region Reflective或Trust Region Dogleg算法。

我们是否应该始终使用least_squares()而不是leastsq()？

如果是这样，后者的目的是什么？

Answer 1

简短答案


我们应该总是使用minimum_squares（）而不是minimumsq（）吗？


是。


如果是这样，后者的目的是什么？


向后兼容。

说明

least_squares函数是0.17.1中的新增功能。其documentation将leastsq称为


Levenberg-Marquadt算法的MINPACK实现的旧式包装。


当方法被选择为“ lm”时，引入original commit的decided that实际上称为least_squares。但是贡献者（Nikolay Mayorov）然后


如果我为MINPACK函数编写新的包装程序，而不是调用minimumsq，则minimum_squares可能会感觉更牢固和均匀。


所以他做到了。因此， leastsq不再需要 leastsq，但是我希望它至少保留一段时间，以免破坏旧代码。