我正在将SciPy的minimize函数与L-BFGS-B算法配合使用，因为一旦完成优化，我想获得Hessian矩阵。
我需要某些参数来形成概率分布（所有参数都位于0到1之间，总和为1），因此施加了约束。
我该如何在函数体内转换参数，以使Hessian中的条目对于这些参数仍然有效？
对于（例如3个）相关参数，我已经尝试过：x/sum(x)用于向量中的所有x，将x值限制在0到1之间（您可以使用L-BFGS- B）。我相信您也可以将softmax函数应用于这些值，但是我不知道为什么这比简单缩放更可取。