理解Scipy优化最小化以解决多个参数问题

Question

从scipy最小化文档：

  

args：tuple，optional传递给目标函数及其衍生物的额外参数

大。这就是关于args参数的所有内容。

所以我有这个代码可以产生一个由grisha.org提供的Holt-Winters预测。在博客文章中，作者确定alpha，beta和gamma的最佳值分别为0.716，0.029，0.993。

我怀疑我可以使用scipy的minimize函数通过最小化误差平方和来解决这三个变量。这就是sse函数在下面的作用：

def sse(alpha, beta, gamma):
  pred = triple_exponential_smoothing(series, 12, alpha, beta, gamma, 24)
  return sum((pred[:series.shape[0]] - series)**2)

我的问题是，我的目标函数sse有三个参数（又名：多个参数）。我希望能够做的是将sse传递给minimize，让minimize告诉我alpha，beta和{{1}的最佳值}} 是。所有三个参数都绑定在gamma和0之间。 “最佳”值显然是实现最小1值的三个值。

可以通过sse

实现这一目标

scipy.optimize.minimize

这是我的完整代码：

minimize(sse, [0.5, 0.5, 0.5], args=(beta, gamma),
         bounds=[(0, 1), (0, 1), (0, 1)], method='SLSQP')

在alpha，beta，gamma参数优化之前

经过alpha，beta，gamma参数优化