Question

您可能知道，python中的lmfit模块可以方便地扩展scipy的功能。优化功能。

但是我找不到我认为必要的东西：选择步长的可能性（用于部分推导，计算参数空间中的chi2等）。我习惯在IDL下使用时的步骤，我很惊讶我没有在python下找到它。

很明显，默认步骤非常小，在拟合粗糙模型时可能会导致chi2不变......因此很难。

所以我的问题：如何选择在python下拟合时的步骤？

Answer 1

lmfit的minimizer可以包装来自scipy.optimize的几个优化器。不幸的是，各种求解器的界面并不是非常统一，特别是对于步长，公差和停止条件等选项。这部分是因为算法实际上是不同的，部分是因为scipy.optimize本身包含了很多旧的代码。

也就是说，lmfit的默认求解器是scipy.optimize.leastsq或MINPACK-1，它非常类似于（非常好的，我记得）IDL的MPFIT包。与这些代码一样，您可以使用epsfcn指定用于计算偏导数的初始步骤。

用lmfit来做这件事取决于你如何使用lmfit。一种方法是

result = lmfit.minimize(objective_function, params, args=(x, data),
                        epsfcn=0.001)

如需更详细的解答，请提供更详细的问题。