我在训练多类分类器时，遇到了Python中的两个优化函数，一个是scipy.optimize.fmin_cg，另一个是scipy.optimize.minimize。我查看了文档，但没有弄明白太多。这两个函数的基本区别是什么？在哪些具体情况下应该使用它们？
回答：
如果你查看minimize函数的文档（文档），在参数列表之后，会指定方法，并引用描述细节的文章。
你可以在那里找到以下一行：“Method CG使用非线性共轭梯度算法”，这正是fmin_cg所做的。所以minimize是一个更通用的函数，它可以使用不同的函数，通过选择cg，它将执行与更具体的fmin_cg函数相同的操作。（在fmin_cg的文档中，你可以读到：“为所有scipy.optimize算法提供了一个用于无约束和有约束多变量函数最小化的通用接口。通过指定method=’CG’，它提供了调用fmin_cg的另一种方式。”）
那么，什么时候应该使用fmin_cg？文档中也回答了这个问题：“共轭梯度方法在以下情况下倾向于表现更好：
- f有一个独特的全局最小化点，没有局部最小值或其他静止点，
- f至少在局部范围内，可以合理地用变量的二次函数近似，
- f是连续的，并且具有连续的梯度，
- f’不是太大，例如，范数小于1000，
- 初始猜测，x0，合理地接近f的全局最小化点，xopt。”
那么，什么时候应该使用minimize？Minimize只是一个优化算法的集合。所以真正的问题是何时应该使用其他方法。好吧，阅读文档中方法的描述，并尝试弄明白。可能找到minimize将调用的具体方法（如本例中的fmin_cg），以获得更详细的描述。
