您好我对https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.least_squares.html中使用的术语有一个简短的问题 他们定义最优性：浮动
一阶最优性度量。在无约束的问题中，它始终是梯度的统一规范。在受约束的问题中，它是在迭代期间与gtol进行比较的数量。
这是我所知道的减少的卡方=（chi ^ 2 / DoF）？
答案 0 :(得分：1)
我会说：不。您要查找的数量可能是（在您的问题中不明确）：
np.sum(np.square(fun))/fun.shape[0]
fun是scipy.optimize.least_squares的第三个返回值（残差）。残差将让您了解数据的传播，而optimality将始终接近零，前提是求解器收敛。