带边界和约束的最小二乘极小化
lmfit的Python项目详细描述
最小二乘极小化与数据拟合库 Python。在scipy.optimize的基础上构建的lmfit提供了一个参数对象 可以设置为固定或自由,可以有上界和/或下界,或者 可以用其他参数的代数约束来写。这个 用户编写一个函数作为这些参数的函数最小化, 并使用scipy.optimize方法为 参数。levenberg marquardt(leatsq)是默认的最小化 算法,并提供估计的标准误差和 各种参数。其他最小化方法,包括Nelder Mead 下坡单纯形,鲍威尔法,bfgs,序列最小二乘法,和 其他人也得到支持。边界和约束可以放在 所有这些方法的参数。
此外,显式计算置信区间的方法是 为探索极小逼近问题提供了 根据协方差矩阵估计参数不确定性为 有问题。