scipy - SciPy：最小平方与最小平方

Question

SciPy 为非线性最小二乘问题提供了两个函数：

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。

我们应该总是使用least_squares()而不是leastsq()吗？

如果是这样，后者的目的是什么？

Answer 1

简短的回答

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

是的。

如果是这样，后者的目的是什么？

向后兼容性。

解释

该least_squares功能是 0.17.1 中的新功能。其文档leastsq称为_

Levenberg-Marquadt 算法的MINPACK 实现的传统包装器。

当方法被选择为“lm”时，实际调用的原始提交引入。但是贡献者（尼古拉·马约罗夫）随后决定least_squaresleastsq

如果我为MINPACK 函数编写一个新的包装器，而不是调用leastsq，那么least_squares 可能会感觉更加稳固和同质。

他就这么做了。因此，leastsq不再需要least_squares，但我希望它至少保留一段时间，以避免破坏旧代码。