我正在尝试使用两个可调用函数scipy.optimize.least_squares（fun = my_fun，jac = my_jac，max_nfev = 1000）：my_fun和my_jac
两个函数：my_fun和my_jac，使用外部软件评估它们的值，这个任务非常耗时，因此我更喜欢控制两者的评估数量
trf方法使用my_fun函数来评估信任区域是否足够，使用my_jac函数来确定成本函数和jacobian矩阵
有一个输入参数max_nfev。这个参数只计算有趣的评估吗？它是否也考虑了jac评估？
此外，在matlab中，lsqnonlin函数有两个参数，MaxIterations和MaxFunctionEvaluations。它存在于scipy.optimize.least_squares中吗？
由于 阿龙
答案 0 :(得分：0)
根据scipy.optimize.least_squares的帮助，max_nfev是程序退出前的函数评估数：
max_nfev：无或int，可选 终止前的最大功能评估数。 如果为None（默认值），则自动选择该值：
同样，根据帮助，没有MaxIterations参数，但您可以在f（ftol）中定义容差，该容差是您要最小化的函数或x（xtol）解，在退出代码之前。
您也可以使用scipy.optimize.minimize()。在其中，您可以定义maxiter字段中的options参数。
如果您这样做，请注意您要最小化的功能必须是您的成本函数，这意味着您必须代码您的最小二乘函数。
我希望它对您来说是明确和有用的