Question

我正在尝试使用Scipy的L-BFGS实用程序来最小化我的目标函数。我将我的目标函数及其梯度传递给L-BFGS作为lambda表达式。我正好传递6个参数，就像它期望的那样。我无法弄清楚出了什么问题。我收到以下错误：

以下是我的代码片段，即引发错误的特定行：

TypeError: <lambda>() takes exactly 6 arguments (5 given)

self.ExpectationReg_ObjectiveFunction和ExpectationReg_Gradient_event是在此类继承的类中定义的函数。

只是想了解ExpectationReg_ObjectiveFunction的外观：

scipy.optimize.fmin_l_bfgs_b(func=lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.w_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S))

编辑1：这是完整的堆栈跟踪 -

def ExpectationReg_ObjectiveFunction(self,w_E,w_S,X_E,Y_E,U_E,U_S):
    return self.XR_OBJ(w_E,X_E,Y_E,U_E) + self.xr * self.KL_TERM(w_S,U_S) + self.l2 * np.dot(w_S.T, w_S)

编辑2：当我把所有参数都放在args中时 -

Traceback (most recent call last):
File "LR.py", line 216, in <module>
lr.Train()
File "LR.py", line 159, in Train
(self.wStar_E, self.nll, self.status) = scipy.optimize.fmin_l_bfgs_b(func=lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.w0_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S),maxiter=5)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 185, in fmin_l_bfgs_b
**opts)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 314, in _minimize_lbfgsb
f, g = func_and_grad(x)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 263, in func_and_grad
f = fun(x, *args)
TypeError: <lambda>() takes exactly 6 arguments (5 given)

我收到以下错误：

scipy.optimize.fmin_l_bfgs_b(func=lambda wStar_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.wStar_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S, self.w_E,self.w_S))

编辑3：

TypeError: <lambda>() takes exactly 6 arguments (7 given)

我正在尝试最小化w_E = classifier weights for Event w_S = classifier weights for Sentiment X_E = Feature vector for training set of Event Y_E = Labels Vector for event U_E = Feature vector for unlabeled set of Event U_S = Feature vector for unlabeled set of Sentiment的目标函数。

Answer 1

来自fmin_l_bfgs_b的文档（您可以使用fmin_l_bfgs_b?从IPython控制台获取此文件）：

Parameters
----------
func : callable f(x,*args)
    Function to minimise.

...

Returns
-------
x : array_like
    Estimated position of the minimum.

所以看起来func的签名需要有一个数组作为其第一个条目，它告诉scipy它正在尝试优化的内容。在您的情况下，您似乎尝试优化w_E,w_S，因此您必须将它们一起视为单个权重向量，并将其传递给func：

w := [w_E1,...,w_Em,w_S1...,w_Sn]

Answer 2

我自己解决了这个问题。通过我的问题，我可能没有让情况清楚。它很复杂，而且很混乱。

fmin_l_bfgs_b 将func，fprime，x0和args作为参数。 func是要最小化的目标函数，fprime是目标函数的梯度，x0是初始权重向量，args是参数列表。

基本上，

func(x,*args)

因此， args 是权重向量以外的参数列表（目标函数最小化）。

在我的问题中，有两个权重向量，我一次最小化关于其中一个的目标函数。所以args在我的情况下，也应该包含其他权重向量（这不是我最小化目标函数的那个）。我错误地将其从 args 删除了。

当前的工作代码如下所示：

scipy.optimize.fmin_l_bfgs_b(func=ExpectationReg_ObjectiveFunction,x0=w_E, fprime = ExpectationReg_Gradient_event, args=(w_S,X_E,Y_E,U_E,U_S))

python lambda - 参数数量不匹配

2 个答案: