在多个参数上使用 scipy 最小化时将常量参数传递给函数答案

【问题标题】：Pass constant parameters to function when using scipy minimize on more than one parameter在多个参数上使用 scipy 最小化时将常量参数传递给函数
【发布时间】：2018-01-01 18:31:15
【问题描述】：

我有一个最小二乘误差函数（基于另一个函数），我想最小化（基本上是为了获得全局最小化的曲线拟合），它看起来像这样：

def err(a, b, X, Y):
    return np.sum((f(a, b, X)-Y)**2)

X 是对 f 进行评估的点数组，具体取决于参数 a 和 b，而 Y 是 X 中定义的点的“基本事实” .

现在根据我在问题25206482 和31388319 中发现的语法应该如下：

Xc = np.array([1.0, 2.0, 3.0, 4.0, 5.0])   # points at which to evaluate error function
Yc = np.array([0.2, 0.4, 0.8, 0.12, 0.15]) # ground truth
g0 = np.array([1.0, 3.0])                  # initial guess for a and b    
res = scipy.optimize.minimize(err, g0, args=(Xc, Yc), method="Powell")

很遗憾，我收到以下错误消息：

TypeError: err() takes exactly 4 arguments (3 given)

如果我从元组中删除Xc 或Yc，给定的参数数量会减少，所以我怀疑它在g0 的定义中的某个位置，因为这似乎作为一个传递给err单个参数。

如果我有多个用于优化的参数以及要在优化期间传递给函数的其他“常量”参数，如何正确调用minimize？

【问题讨论】：

使用err(g0, Xc, Yc) 测试您的设置 - 将您的函数评估为初始猜测。如果失败，那么您需要更改 err 或 args 元组。

标签： python scipy

【解决方案1】：

minimize 只操作一个参数，但这可以是一个数组。你要做的是从err的第一个参数中提取a和b：

def err(p, X, Y):
    a, b = p
    return np.sum((f(a, b, X)-Y)**2)

【讨论】：

【解决方案2】：

我发现，如果我定义错误函数以使其使用参数列表而不是多个参数，则最小化是可行的：

def err(p, X, Y):
    a = p[0]
    b = p[1]
    return np.sum((f(a, b, X)-Y)**2)

然后拨打minimize:

g0 = [1.0, 3.0]
res = scipy.optimize.minimize(err, g0, args=(Xc, Yc), method="Powell")

【讨论】：