在Scipy的minimum_squares函数中使用Levenberg-Marquardt方法

Question

我正在尝试通过在Python中使用scipy.optimize.least_squares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'则会收到错误TypeError: integer argument expected, got float 。 我是否错过了least_squares的输入参数？ 我没有任何有关此问题的进一步信息，例如雅可比矩阵，因此我不确定该方法是否特别适合该问题。

Answer 1

如果您希望使用指数表示法，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算法会对此进行检查，而其他算法可能会默默接受浮点数。

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的浮点数。 从数学上讲，两者具有相同的值，但是它们却不是同一件事，因为它们具有不同的数据类型。