用Levenberg-Marquardt方法求解least_squares函数

Question

我试图通过使用Python中的scipy.optimize.least_squares函数来解决一个(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'，那么我得到了一个错误TypeError: integer argument expected, got float。我是否遗漏了least_squares的输入参数？对于这个问题，我没有任何进一步的信息，例如Jacobian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是一个浮点文字，但max_nfev应该是一个整数。显然，LM算法检查这一点，而其他算法可能默默地接受浮点数。

注意值和数据类型之间的差异

1是带值的整数，1.0是带值的浮点数。从数学上讲，两者都有相同的值，但它们不是一回事，因为它们有不同的数据类型。