Scipy 最小化 fmin - 语法问题答案

【问题标题】：Scipy minimize fmin - problems with syntaxScipy 最小化 fmin - 语法问题
【发布时间】：2013-01-01 06:43:44
【问题描述】：

我有一个函数，它接受多个参数（一个数组和两个浮点数）并返回一个标量（浮点数）。现在我想通过改变两个参数来最小化这个函数：两个浮点数。数组在函数内部“解包”，然后使用其内容（数组和浮点数）。

如何使用 SciPy 的 fmin 函数来做到这一点？我很难找出正确的语法..

函数类似于：

def func(x, y, data)
    data1=data[0]
    data2=data[...]
    ...
    ...
    result = ...x...y...data1...data2... #result is a scalar (float)
    return result

scipy.optimize.fmin 在这种情况下应该是什么样子？

optimize.fmin(func, ???)

非常感谢！

一切顺利， p.p.

【问题讨论】：

标签： python optimization scipy minimize

【解决方案1】：

scipy 假定参数在数组中。你可以定义一个辅助函数：

def helper(xy):
    return func(xy[0], xy[1], data)

并使用optimize.fmin 将其最小化：

optimize.fmin(helper, np.array([x0, y0]), ...)

【讨论】：

谢谢！我设法对其进行了整理并尝试回答我自己的问题，但是“声誉低于 10 的用户在询问后 8 小时内无法回答自己的问题”。我明天会发布答案。

【解决方案2】：

我在 SciPy 的documentation 中找到了答案！我只是不习惯文档的编程“行话”……（尽管文档对我这样的新手非常有用）。

所以，方法如下：

而不是像我的问题那样定义函数（被最小化），它应该被定义为

def func(x, *args) #it is literally "*args"!
    y=x[0]
    z=x[1]
    data1=data[0]
    data2=data[...]
    ...
    result = ...y...z...data1...data2... #result is a scalar (float)
    return result

现在，optimize.fmin 函数应该是

optimize.fmin(func, x0=[y_estimate, z_estimate], args=(data))

显然（也许我错了）当您将数组 x0（初始猜测）提供给 optimize.fmin 函数时，它就会知道它必须使用 @987654327 的“大小”来优化数组@。您在函数中需要的所有其他数据必须在元组args 中给出（在此示例中，元组args 中只有一个数组，但它可能是args=(data1, data2, ...)，在这种情况下您不需要在函数中解压）。

总结：最初的猜测x0只是一个数组；额外的参数args 只是一个元组；该函数应该（字面意思！）定义为def func(x, *args)；数组x 和元组args 然后可以在函数内部“解包”（y=x[0]、z=x[1]、...和data1=args[0]、data2=args[1]、...）。

【讨论】：

次要问题，但我认为您的意思是 data1=args[0], data2=args[...] 在上面的 func 定义中。