如何从 python 最小化 function 获取 Hessian 矩阵？

Question

通过scipy.minimize function得到优化结果后，有什么方法可以得到Hessian矩阵（从而计算标准误差）？

最小化 function 中的 hessian 参数似乎是输入而不是 output。

from scipy import minimize

opt = minimize(logitfn, args=df, x0=x_start, method='Nelder-Mead')

Answer 1

使用'L-BFGS-B'方法，然后：

opt.hess_inv.todense()

Answer 2

给定 function f 和初始点 x0，并假设我们使用 L-BFGS-B，则以下代码有效：

opt = minimize(f, x0=x0, method='L-BFGS-B')
B = opt.hess_inv  # LinearOperator object
B = B * np.identity(B.shape[1])  # numpy array