root(methode=’lm’)

scipy.optimize.root(fun, x0, args=(), method='hybr', jac=None, tol=None, callback=None, options=None)

Löse für kleinste Quadrate mit Levenberg-Marquardt

Siehe auch

Für die Dokumentation der restlichen Parameter siehe scipy.optimize.root

Optionen:

——-

col_derivbool

Ungleich Null, um anzugeben, dass die Jacobi-Funktion Ableitungen entlang der Spalten berechnet (schneller, da keine Transpositionsoperation erforderlich ist).

ftolfloat

Relativer Fehler gewünscht in der Summe der Quadrate.

xtolfloat

Relativer Fehler gewünscht in der approximierten Lösung.

gtolfloat

Orthogonalität gewünscht zwischen dem Funktionsvektor und den Spalten der Jacobi-Matrix.

maxiterint

Die maximale Anzahl von Funktionsaufrufen. Wenn Null, dann ist 100*(N+1) das Maximum, wobei N die Anzahl der Elemente in x0 ist.

epsfloat

Eine geeignete Schrittlänge für die Vorwärts-Differenz-Approximation der Jacobi-Matrix (für Dfun=None). Wenn eps kleiner als die Maschinenpräzision ist, wird angenommen, dass die relativen Fehler in den Funktionen von der Größenordnung der Maschinenpräzision sind.

factorfloat

Ein Parameter, der die anfängliche Schrittbegrenzung bestimmt (factor * || diag * x||). Sollte im Intervall (0.1, 100) liegen.

diagSequenz

N positive Einträge, die als Skalierungsfaktoren für die Variablen dienen.