Diffrential_evolution в Scipy не дает якобинца
Я использую differential_evolution алгоритм в scipy подгонка некоторых данных к различным экспоненциальным функциям, свернутым с гауссовыми функциями, - это само по себе не проблема, функция хорошо ей подходит.
Тем не менее, он не дает Jacobian в словаре результатов (который я хотел бы использовать для вычисления ошибок моих констант подгонки), несмотря на тот факт, что я установил "полировать" (т.е. использовать scipy.optimize.minimize с L-BFGS-B метод, чтобы отшлифовать лучшего члена населения в конце) к Истине, и, таким образом, в документации говорится, что он должен дать Якобиан Моя функция принимает гауссову ширину и любое количество показателей и подгоняется так:
result = differential_evolution(exponentialfit, bounds, args=(avgspectra, c, fitfrom, errors, numcomponents, 1), tol=0.000000000001, disp=True, polish=True)
Есть ли причина, по которой он не дает якобиан в выводе результата?