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。
我们是否应始终使用least_squares()代替leastsq()？
如果是的话，后者的目的是什么？
答案 0 :(得分：14)
我们是否应该总是使用least_squares（）而不是leastsq（）？
是
如果是的话，后者的目的是什么？
向后兼容性。
least_squares函数是0.17.1中的新函数。其documentation将leastsq称为
Levenberg-Marquadt算法的MINPACK实现的传统包装器。
当选择方法时，original commit引入least_squares实际上称为leastsq。＆＃39; lm＆＃39;但贡献者（Nikolay Mayorov）然后decided that
如果我向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。
所以他做到了。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。