root(method=‘lm’)¶
- scipy.optimize.root(fun, x0, args=(), method='lm', jac=None, tol=None, callback=None, options={'col_deriv': 0, 'xtol': 1.49012e-08, 'ftol': 1.49012e-08, 'gtol': 0.0, 'maxiter': 0, 'eps': 0.0, 'factor': 100, 'diag': None})
用Levenberg-MarQuardt求解最小二乘问题
参见
有关参数睡觉的文档，请参阅
scipy.optimize.root- 选项
- col_deriv布尔尔
非零值指定Jacobian函数沿列向下计算导数(速度更快，因为没有转置操作)。
- ftol浮动
平方和所需的相对误差。
- xtol浮动
近似解中所需的相对误差。
- gtol浮动
函数向量和雅可比矩阵的列之间所需的正交性。
- maxiter集成
对函数的最大调用次数。如果为零，则100*(N+1)是最大值，其中N是X0中的元素数。
- epsfcn浮动
雅可比前向差分近似的合适步长(DFUN=NONE)。如果epsfcn小于机器精度，则假定函数中的相对误差为机器精度的量级。
- factor浮动
确定初始步长界限的参数 (
factor * || diag * x||)。应在间隔内(0.1, 100)。- diag序列
N个正条目，用作变量的比例因子。