噪声函数的 Python Levenberg Marquardt

问题我正在尝试使用 scipy.optimize 和 'lm' 方法找到最小化函数的值。该函数不是解析函数，我将数值模型与频谱进行比较，并计算卡方 (chi2) 进行比较。第一个图 1 显示了 chi2 值作为参数 I 变化的函数的变化。我们可以确定一个最小值，表面看起来有些光滑。

我要用更小的步长重做之前的图，图变成了图2中的第二个，曲线看起来很嘈杂。

问题是 LM 值给我的值有时与我从图 1 中期望的值不一致。

我的尝试

我假设 LM 未能找到最佳值，因为曲线形状混乱（LM 采取非常小的步骤来探索曲线）。我试图改变终止容差（ftol、gtol、xtol）以试图强制算法采取更大的步骤，而不是在局部最小值处停止。

想法？