Question

我有一个函数，它接受几个参数（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。然后使用数组在函数内“解包”其内容（数组和浮点数）。

如何使用SciPy的fmin功能完成这项工作？我很难找到正确的语法..

该功能类似于：

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

在这种情况下scipy.optimize.fmin应该是什么样的？

optimize.fmin(func, ???)

非常感谢提前！

一切顺利， P.P。

Answer 1

scipy假设参数在数组中。您可以定义辅助函数：

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

并使用optimize.fmin最小化它：

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

Answer 2

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

所以，这样做的方法如下：

不应像我的问题那样定义函数（最小化），而应将其定义为

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函数应为

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

当您向x0函数提供数组optimize.fmin（初始猜测）时，显然（可能是我错了），然后知道它必须优化具有“大小”的数组“x0。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, ...)，其中如果您不需要在函数内部解压缩它。

总结：初始猜测x0只是一个数组;额外的参数args只是一个元组;该函数应该（字面上！）定义为def func(x, *args);数组x和元组args可以在函数内“解包”（y=x[0]，z=x[1]，...和data1=args[0]，{{ 1}}，...）。

Scipy最小化fmin - 语法问题

2 个答案: