Optimization 如何最小化特定参数的函数，并保持其他参数不变

所以我试图通过最小化卡方函数来计算参数beta的值。为此，我使用scipy.optimize.minimize（）函数。我似乎无法让代码执行我想要的操作。有办法做到这一点吗？我对解决这个问题的其他方法持开放态度

对于某些背景，变量vr、rms和delta都是长度相同的1D元组，zeff、H和beta是参数。我试图计算一个优化的beta值

def chisq(beta,vr, delta,rvs,rms,zeff,H):
    c = -(H/(1+zeff))*(beta/3)
    model = c*np.multiply(rms,delta)
    q = (vr-model)**2
    p = model**-1
    ratio = np.multiply(p,q)
    chisq = np.sum(ratio)
    return chisq

initial_guess = 0.47663662075855323
res = opt.minimize(chisq,initial_guess,args =     (beta,delta,rvs,rms,zeff,H)) 

---

我通常会收到一个错误，说函数的维度与minimize（）函数的语法不匹配。

在您的例子中，beta是优化变量，因此您不需要将其作为额外参数传递给函数chisq：

res = opt.minimize(chisq, x0=initial_guess, args=(vr, delta, rvs, rms, zeff, H)) 

---

在您的情况下，beta是优化变量，因此不需要将其作为额外参数传递给函数chisq：

res = opt.minimize(chisq, x0=initial_guess, args=(vr, delta, rvs, rms, zeff, H))