scipy.optimize.least_squares是确定性的吗？

Question

scipy.optimize.least_squares是确定性的吗？

3

我正在使用scipy的optimize.least_squares算法，设置了初始条件并在我的电脑上始终得到相同的结果。但是，如果我在任何其他计算机上尝试（所有计算机都配备了最新的Scipy、Python和bumpy软件包以及相同的64位Ubuntu Linux），每台计算机都会得到不同的结果。为什么会这样呢？

谢谢。

- Swift

1

你最终找出原因了吗？ - jamesoh

2个回答

1

答案是肯定的。

正如您可以在文档中找到的那样，optimize.least_squares实现了3种方法;

信赖域反射算法
矩形信任区域的dogleg算法
Levenberg-Marquardt算法

所有这些都是迭代方法，从初始值（或向量）开始，逐步到达最小值。如何确定此步骤因方法而异，但在所有方法中都是确定性的。
有关更多详细信息，请阅读由该功能的开发人员编写的此博客。

很抱歉我不知道为什么您在每台计算机上得到不同的结果。

- karadaharu

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Aaron · Accepted Answer

默认情况下（如果diff_step=None），optimize.least_squares在有限差分逼近中使用一个机器相关的步长[1]。对于特定的计算机，结果应该是确定性的，但在另一台计算机上可能会不同。

除非有其他机器相关的参数，否则手动设置diff_step应该在不同的计算机上产生相同的结果。

[1] 请参见scipy文档。