SciPy为非线性最小二乘问题提供了两个函数：
optimize.leastsq() 仅使用Levenberg-Marquardt算法。
optimize.least_squares() 允许我们选择Levenberg-Marquardt，Trust Region Reflective或Trust Region Dogleg算法。
我们应该一直使用吗？ least_squares() 代替 leastsq()？
如果是这样，后者的目的是什么？
SciPy为非线性最小二乘问题提供了两个函数：
optimize.leastsq() 仅使用Levenberg-Marquardt算法。
optimize.least_squares() 允许我们选择Levenberg-Marquardt，Trust Region Reflective或Trust Region Dogleg算法。
我们应该一直使用吗？ least_squares() 代替 leastsq()？
如果是这样，后者的目的是什么？
我们应该总是使用least_squares（）而不是leastsq（）吗？
是。
如果是这样，后者的目的是什么？
向后兼容性。
该 least_squares 功能是0.17.1中的新功能。它的 文件 是指 leastsq 如
用于Levenberg-Marquadt算法的MINPACK实现的传统包装器。
该 原始提交 引入 least_squares 实际上叫 leastsq 当该方法被选为'lm'时。但贡献者（尼古拉·马约罗夫）则 决定了
如果我向MINPACK函数编写一个新的包装器而不是调用leastsq，那么least_squares可能会感觉更加稳固和同质。
所以他做到了。所以， leastsq 不再需要了 least_squares，但我希望它至少保留一段时间，以避免破坏旧代码。