时间戳

首页 > 解决方案 > 在 scipy 的最小二乘函数中使用 Levenberg-Marquardt 方法

python - 在 scipy 的最小二乘函数中使用 Levenberg-Marquardt 方法

问题描述

scipy.optimize.least_squares我正在尝试通过使用Python中的函数来解决（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'，则会出现错误TypeError: integer argument expected, got float。我是否缺少输入参数least_squares？我没有关于这个问题的任何进一步信息，例如雅可比矩阵，所以我不确定这种方法是否特别适合这个问题。

标签： pythonoptimizationscipynonlinear-optimization

解决方案

您需要编写max_nfev=1000000，或者max_nfev=int(1e6)如果您更喜欢指数表示法。

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浮点数。

注意值和数据类型之间的区别：

1是一个值为 1 的整数，1.0是一个值为 1 的浮点数。从数学上讲，两者具有相同的值，但它们不是同一事物，因为它们具有不同的数据类型。

推荐阅读