python求向量函数的雅可比矩阵_python – scipy中最小二乘函数的雅可比行列式的方法签名...

这是我使用的指数衰减拟合：

import numpy as np

from scipy.optimize import leastsq

def f(var,xs):

return var[0]*np.exp(-var[1]*xs)+var[2]

def func(var, xs, ys):

return f(var,xs) - ys

def dfunc(var,xs,ys):

v = np.exp(-var[1]*xs)

return [v,-var[0]*xs*v,np.ones(len(xs))]

xs = np.linspace(0,4,50)

ys = f([2.5,1.3,0.5],xs)

yn = ys + 0.2*np.random.normal(size=len(xs))

fit = leastsq(func,[10,10,10],args=(xs,yn),Dfun=dfunc,col_deriv=1)

如果我想使用col_deriv = 0,我认为我必须基本上采用dfunc返回的转置.你说得对：这方面的文件并不是那么好.