Scipy Least Squares 需要 2 个平方 // 错误：函数调用的结果不是正确的浮点数组答案

【问题标题】：Scipy Least Squares 2 squares desired // Error: Result from function call is not a proper array of floatsScipy Least Squares 需要 2 个平方 // 错误：函数调用的结果不是正确的浮点数组
【发布时间】：2018-07-18 05:54:36
【问题描述】：

当前我正在尝试使用 scipy 的最小二乘法或它们的任何最小化函数来最小化具有 5 个参数的函数。

我希望 scipy 做的是使用标准最小二乘法最小化某些函数。

我的代码如下：

 fitfunc1 = lambda p, xx, yy, zz: -(50000*(xx + (p[0] + p[1])*yy +  
 p[3]))/(1.67*(-p[2]*yy + zz + p[4]))

 errfunc1 = lambda p,x11, xx, yy, zz: fitfunc1(p, xx, yy, zz) - x11
 x0 = np.array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1], dtype = float)

res3 = leastsq(errfunc1, x0[:], args=(x1, x, y, z))

其中 x1, x, y, z 都是相同长度的列 numpy 数组，大约 90x1

我目前收到一条错误消息，提示“错误：函数调用的结果不是正确的浮点数组”，我尝试了很多可能性，并尝试按照示例中描述的方式重写它，但没有似乎不起作用。

另外：其实我也想解决这个问题：

最小总和 (f - x1)**2 + (g - x2)**2 其中 f = f(p, x, y, z) 和 g = g(p, x, y, z) 和 x, y, z, x1, y1 都是数据，但试图找到参数 p (6其中）。

目前这在最小二乘中是可能的吗？我曾尝试使用 scipy.minimize，但是当使用 Nedler's Mead 方法完成此操作时，它似乎也不起作用。

这是我当前的代码：

def f(phi, psi, theta, xnot, ynot, znot):
  return sum(abs(   (-50000*(x[:]+ (psi + phi)*y[:] + xnot)/(1.67*(-
   theta*y[:] + z[:] + znot))) - x1[:]) //
  + abs(   (-50000*(-x[:]*(psi + phi) + y[:] + theta*(z[:]) + ynot)/(1.67*(-
  theta*y[:] + z[:] + znot))) - y1[:]))

  x0 = np.array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1], dtype = float)
  res3 = leastsq(f, x0[:], args=(x1, y1, x, y, z))

我觉得我犯了一些对更熟悉的人来说可能很明显的错误，但这是我第一次使用 scipy。非常感谢所有帮助。

【问题讨论】：

标签： python numpy scipy least-squares minimize

【解决方案1】：

我相信你的问题在于变量的形状：

其中 x1, x, y, z 都是相同长度的列 numpy 数组，大约 90x1

它会导致您的 fitfunc1 和 errfunc1 函数返回二维数组（形状为 (90,1)），其中 scipy 优化函数需要一个一维数组。尝试重塑你的数组，例如，

x1 = x1.reshape((90,)),

对于其他输入变量也是如此。这应该可以解决您的问题。

【讨论】：