如何使用带有附加参数的 optimize.minimize 函数？答案

【问题标题】：how can i use the optimize.minimize function with additional arguments?如何使用带有附加参数的 optimize.minimize 函数？
【发布时间】：2019-02-10 23:57:47
【问题描述】：

这只是我做的一个测试功能。给定一个列表，如果我可以在列表中添加一个值，什么值可以最小化列表的方差？

from scipy import optimize

def var_func(x,observations):
    path_var=variance([x]+observations)
    return path_var


observations=[15,24,46,23,54]
var_func_bet=optimize.minimize(var_func,100,args=(observations))

我已经成功地在单变量函数上使用了 optimize.minimize，但在这里它不起作用。

尝试上面的代码给了我错误：

TypeError: can't convert type 'ndarray' to numerator/denominator

【问题讨论】：

(observations) 只是observations； () 被忽略。 (observations,) 是一个包含一个元素的元组。逗号很重要。
我进行了编辑，但我得到了同样的错误。
什么是 np.array(100)+observations？
数组([115, 124, 146, 123, 154])
这是什么variance？

标签： python-3.x optimization scipy

【解决方案1】：

使用numpy.var 计算方差并确保将参数作为元组传递（参见 hpaulj 的评论）：

from scipy.optimize import minimize
import numpy as np

def var_func(x,observations):
    return np.var([x]+observations)


observations = [15,24,46,23,54]
var_func_bet = minimize(var_func, 100, args=(observations,))

【讨论】：