python – 当jac = False时,当jarobian没有被使用的近似值时,“

我正在使用scipy.optimize.minimize进行优化,并尝试使用以下方法：’Newton-CG’,’dogleg’和’trust-ncg’.据我所知,对于这些方法,需要一个目标函数的雅可比.但是,documentation建议如果将jac设置为False,则将以数字方式计算梯度.

所以我试图像这样调用函数：

scipy.optimize.minimize(fun,x0,method='Newton-CG',jac=False,options={'disp':True}

当我调用它时,我收到以下错误消息：

File "/usr/lib/python2.7/dist-packages/scipy/optimize/optimize.py",line 1351,in _minimize_newtoncg
raise ValueError('Jacobian is required for Newton-CG method')

这是令人惊讶的,因为我认为我只是将其设置为False(如果jac设置为None,则此异常仅发生在* / optimize.py中).所以我进入/usr/lib/python2.7/dist-packages/scipy/optimize/optimize.py并查看函数

def _minimize_newtoncg(fun,args=(),jac=None,hess=None,hessp=None,callback=None,xtol=1e-5,eps=_epsilon,maxiter=None,disp=False,return_all=False,**unknown_options):

在这个函数的开头我写了以下print语句：

print (jac)
_check_unknown_options(unknown_options)
print(jac)
if jac is None:
    raise ValueError('Jacobian is required for Newton-CG method')

令人惊讶的是,“无”是打印而不是假！所以我看看调用函数,它位于/usr/lib/python2.7/dist-packages/scipy/optimize/_minimize.py中,我找到了将其设置为None的代码片段：

if not callable(jac):
    if bool(jac):
        fun = MemoizeJac(fun)
        jac = fun.derivative
    else:
        jac = None

因此,为什么将jac设置为None是有道理的(尽管它似乎与文档不兼容,表明我将通过在原始函数调用中将jac设置为False来获得jacobian的数值近似).

我错过了什么？我是否有可能像上面用Scipy计算雅各比的数值近似来调用’Newton-CG’方法？