了解scipy.optimize.fmin中的参数

Question

我正在使用scipy.optimize.fmin解决一个简单的优化问题，并试图了解如何正确使用它

我创建了一个优化函数，该函数返回一个值（一个要优化的值）并使用要查找的2个参数（alpha和beta）。

def q_learning_model(params, *args):
    choices = list(args[0].choice.astype(int))
    rewards = list(args[0].reward.astype(int))

    num_of_trials = len(choices)

    prob_of_choice = [0]*num_of_trials
    accuracy = [0]*num_of_trials

    beta = params[0]
    alpha = params[1]

    for trial in range(num_of_trials):
        # do things

    return -(np.sum(np.log(prob_of_choice)))

x1=()
minimum = optimize.fmin(q_learning_model,x0=(1,0.1),args=(data[['choice','reward']], x1))

我知道我需要传递函数本身（作为可调用函数），初始猜测以及函数（正在优化的）所需的其他参数-就我而言的数据。

我希望它与args=data[['choice','reward']]一起运行，但是它仅在之后添加另一个变量时运行（这意味着如果只有一个arg，我会报错）-当我传递一个空元组时，它也会运行在数据之后。

从我看到的情况来看，fmin将x0用作q_learning_model的params参数，因此*args假设采用任意数量的值（在我的情况下为1-数据）。

我想念什么吗？我应该如何正确调用fmin？