scipy.optimize.leastq 最小二乘和最小化
scipy.optimize.leastq Minimize sum of least squares
我有一个具有以下形式的最小二乘最小化问题
我要优化的参数是 x，其他一切都是已知的。
scipy.optimize.least_squares 具有以下形式：
scipy.optimize.least_squares(fun, x0)
其中 x0 是初始条件，fun 是 "Function which computes the vector of residuals"
阅读文档后，我对 fun 要我做什么感到有点困惑 return。
如果我在 fun 内进行求和，恐怕它会计算 RHS，这不等同于 LHS（...或者，当涉及到最小化时？）
感谢您的帮助！
根据 scipy.optimize.least_squares 的 documentation，参数 fun 是提供残差向量，最小化过程使用该向量。可以提供作为残差平方和的结果的标量，但也可以提供形状为 (m) 的一维向量，其中 m 是残差函数的维度。请注意，在这种情况下未进行平方和求和，因为 least_squares 会自行处理该细节。在这种情况下，必须仅提供残差。
我有一个具有以下形式的最小二乘最小化问题
我要优化的参数是 x，其他一切都是已知的。
scipy.optimize.least_squares 具有以下形式：
scipy.optimize.least_squares(fun, x0)
其中 x0 是初始条件，fun 是 "Function which computes the vector of residuals"
阅读文档后，我对 fun 要我做什么感到有点困惑 return。
如果我在 fun 内进行求和，恐怕它会计算 RHS，这不等同于 LHS（...或者，当涉及到最小化时？）
感谢您的帮助！
根据 scipy.optimize.least_squares 的 documentation，参数 fun 是提供残差向量，最小化过程使用该向量。可以提供作为残差平方和的结果的标量，但也可以提供形状为 (m) 的一维向量，其中 m 是残差函数的维度。请注意，在这种情况下未进行平方和求和，因为 least_squares 会自行处理该细节。在这种情况下，必须仅提供残差。