循环内的优化函数和另一个函数

Question

我正在尝试使用不同的随机值重复求解最佳值。因此最小化函数包含在循环和函数中，然后我调用该函数。但是，它总是给我不同的答案。

import numpy as np
from scipy.optimize import minimize
def Ln(theta): # Every loop tries to minimize this value
    error = Y - np.maximum(0, theta[0] + X.dot(theta[1:]))
    error_total = np.absolute(error).sum()
    return error_total
theta_true = np.array([-6,3,3,3])
Y = np.array(10)
def get_opt_x():
    for i in range(10):
        X = np.random.standard_normal([10,3]) # generate random values
        u = X[:,0]**2*np.random.standard_normal(10)
        Y_star = theta_true[0] + X.dot(theta_true[1:]) + u
        Y = np.maximum(0, Y_star)
        theta0 = np.ones(4)
        result = minimize(Ln, theta0, method='BFGS')
        print result.x
    return 
get_opt_x()

这就是它所给出的：

正确的答案应该是不同的，因为对于每个循环，都会生成一组新的随机值。如果我摆脱了这个功能，只需循环一切就可以了：

for i in range(10):
    X = np.random.standard_normal([10,3])
    u = X[:,0]**2*np.random.standard_normal(10)
    Y_star = theta_true[0] + X.dot(theta_true[1:]) + u
    Y = np.maximum(0, Y_star)
    theta0 = np.ones(4)
    result = minimize(Ln, theta0, method='BFGS')
    print result.x

在循环和另一个函数中使用最小化函数一定有问题。

Answer 1

X中的变量Y和get_opt_x()是get_opt_x()的本地变体，X和{{1}与不同在函数Y中。来自Ln的结果都是相同的，因为它使用了最后一个循环的值（通过删除你的函数）。为了证明在运行第二个块之前尝试关闭会话并运行第一个代码块，您将收到错误消息，指出get_opt_x()未初始化。

<强>解决方案： 将X和X作为Y例程

的额外参数传递

minimize

Answer 2

问题是你在函数Y中定义变量get_opt_x，然后期望它对Python不允许的函数Ln可见。删除get_opt_x函数后，值Y随后可在全局范围内使用，因此对Ln函数可见。

你需要告诉Python Y的{​​{1}}是一个全局变量：

get_opt_x