Question

使用max_nfev参数调用scipy.optimize.curve_fit时，我遇到了意外的行为。该文档指出，多余的kwargs将传递给method='lm'的{{3}}，否则传递给leastsq。另外，如果提供了method，则'trf'应该默认为'lm'（即不是bounds）。最后，least_squares采用max_nfev参数，如果未提供（或显式传递为100*len(x)，则默认为max_nfev=None，x是数组上的数组之一进行曲线拟合。

我有一个least_squares失败的数据集（和匹配函数）。如预期的那样，例程放弃之前所花费的时间与max_nfev线性相关。但是，这次在调用scipy.optimize.curve_fit中指定max_nfev=100*len(x)与根本不传递max_nfev之间有很大的不同，这似乎与已记录的行为背道而驰。

这是一个演示此内容的脚本：

import time
import numpy as np
import scipy.optimize

x, y = np.loadtxt('data.txt', unpack=True)

# Attempt curve fit
initial_guess = (1, 0)
bounds = ([-np.inf, 0], [np.inf, 15])
for max_nfev in (None, 1*len(x), 10*len(x), 100*len(x)):
    print('\nRunning with max_nfev = {}:'.format(max_nfev))
    t0 = time.time()
    try:
        scipy.optimize.curve_fit(
            lambda x, factor, exponent: factor*x**exponent,
            x,
            y,
            initial_guess,
            bounds=bounds,
            ftol=1e-10,
            maxfev=max_nfev,
        )
        deltat = time.time() - t0
        print('Succeeded after', deltat, 's')
    except RuntimeError:
        deltat = time.time() - t0
        print('Failed after', deltat, 's')

脚本需要data.txt（24 KB）中的数据集，您可以下载scipy.optimize.curve_fit。

在我的系统上，此脚本的输出为

使用max_nfev =无运行：
  0.10752344131469727 s后失败

以max_nfev = 441运行：
  0.17525863647460938 s后失败

以max_nfev = 4410运行：
  1.732572078704834 s后失败

以max_nfev = 44100运行：
  17.796284437179565 s后失败

我希望第一个（max_nfev=None）和最后一个（max_nfev=100*len(x)）调用花费的时间大致相同。更令人难以置信的是，似乎我不愿传递max_nfev而不是传递maxfev，它不是here的有效参数，而是maxfev -least_squares的等效参数。

我误解了什么，还是文档或实现错误？

我在{SciPy 1.1.0，Python 3.6.5}和{SciPy 1.2.0，Python 3.7.1}下都遇到了这个问题。

Answer 1

我希望第一个（max_nfev = None）和最后一个（max_nfev = 100 * len（x））调用花费的时间大致相同

在scipy.optimize._lsq.trf.py的第250行设置一个断点：

    if max_nfev is None:
        max_nfev = x0.size * 100

此时x0只有两个元素，因此传入None的呼叫可以等效地传入200。x0来自p0，默认为[1 0]。

基于此，您观察到的时间安排做到有意义。

scipy.optimize.curve_fit：max_nfev的默认值是否被破坏？

1 个答案: