在Scipy最小二乘函数中使用Levenberg-Marquardt方法

我正试图用 scipy.optimize.least_squares python中的函数。

import numpy as np
from scipy.optimize import least_squares

a = 2
b = -1

def myfun(x,a,b):
    return [a*x[0]-x[1]-np.exp(-x[0]), b*x[0]+2*x[1]-np.exp(-x[1])]

x0 = [-5,-5]
sol = least_squares(myfun,x0,method='lm',ftol=1e-9,xtol=1e-9, \
                    max_nfev=1e6,args=(a,b))

print(sol)

'''
method='trf' solution:  x = array([0.56714329,0.56714329])
'''

如果我使用Levenberg-Marquardt方法 method='lm' 然后我得到一个错误 TypeError: integer argument expected, got float . 是否缺少的输入参数 least_squares ?我没有关于这个问题的任何进一步的信息,例如雅可比矩阵,所以我不确定这个方法是否特别适合这个问题。