如您所知，python中的lmfit模块可方便地扩展scipy.optimize函数的功能。
但是，我发现似乎没有必要做些什么：选择步长的可能性（用于偏导数，在参数空间中计算chi2等）。当我在IDL下安装时，我曾经玩过这些步骤，但很奇怪，我在python下找不到它。
看起来很明显，当拟合粗糙模型时，默认步骤非常小，可能导致恒定的chi2……因此很尴尬。
所以我的问题是：在python下拟合时如何选择步骤？
最佳答案
lmfit的最小化器可以包装scipy.optimize中的多个优化器。不幸的是，各个求解器之间的接口并不十分统一，尤其是对于步长，公差和停止条件等选项。部分原因是算法实际上有所不同，部分原因是scipy.optimize本身包装了许多旧代码。
就是说，带有lmfit的默认求解器是scipy.optimize.leastsq或MINPACK-1，它与IDL的MPFIT软件包非常相似（我记得很好）。与这些代码一样，您可以使用epsfcn指定用于计算偏导数的初始步骤。
使用lmfit进行此操作取决于您如何使用lmfit。一种方法是
result = lmfit.minimize(objective_function, params, args=(x, data),
epsfcn=0.001)
有关更详细的答案，请提出更详细的问题。