scipy.optimize.

OptimizeResult#

class scipy.optimize.OptimizeResult[源码]#

表示优化结果。

属性:
xndarray

优化的解。

successbool

优化器是否成功退出。

statusint

优化器的终止状态。其值取决于底层求解器。详情请参阅 message

messagestr

终止原因的描述。

funfloat

目标函数在 x 处的值。

jac, hessndarray

目标函数的雅可比和黑塞矩阵在 x 处的值(如果可用)。黑塞矩阵可能是一个近似值,请参阅相关函数的文档。

hess_invobject

目标函数黑塞矩阵的逆;可能是一个近似值。并非所有求解器都可用。此属性的类型可以是 np.ndarray 或 scipy.sparse.linalg.LinearOperator。

nfev, njev, nhevint

目标函数及其雅可比和黑塞矩阵的评估次数。

nitint

优化器执行的迭代次数。

maxcvfloat

最大约束违反。

方法

__getitem__

x.__getitem__(y) <==> x[y]

__len__(/)

返回 len(self)。

clear()

copy()

fromkeys(iterable[, value])

创建一个新字典,其键来自 iterable,值设置为 value。

get(key[, default])

如果 key 在字典中,则返回 key 对应的值,否则返回 default。

items()

keys()

pop(key[, default])

如果未找到 key,则返回给定的 default;否则,引发 KeyError。

popitem(/)

移除并返回一个 (key, value) 对作为 2 元组。

setdefault(key[, default])

如果 key 不在字典中,则插入 key 并将其值设为 default。

update([E, ]**F)

如果 E 存在且具有 .keys() 方法,则执行:for k in E: D[k] = E[k] 如果 E 存在且缺少 .keys() 方法,则执行:for k, v in E: D[k] = v 无论哪种情况,之后都会执行:for k in F: D[k] = F[k]

values()

备注

根据所使用的具体求解器,OptimizeResult 可能不包含此处列出的所有属性,并且可能包含此处未列出的附加属性。由于此类别本质上是带属性访问器的 dict 的子类,因此可以使用 OptimizeResult.keys 方法查看哪些属性可用。