Python Scipy fmin“slsqp错误”;转换第八个参数“g';“从slsqp.slsqp到C/Fortran数组”;
我见过这个问题或其他问题的变体,例如 但是他们并没有真正使用一个简单的可破解的示例代码。也没有任何真正的答案(可能是因为缺少问题的简单演示) 问题是,当尝试使用scipy.optimize fmin_slsqp方法拟合函数时,您会得到这个非常不透明的错误 “未能将_slsqp.slsqp的第8个参数'g'转换为C/Fortran数组” 在下面的代码中,我使用leastsq方法将线性函数拟合到随机相关数据。从.docs中,我看不出同样的语法不应该使用fmin_slsqp做同样的事情,但事实并非如此 有人知道为什么吗Python Scipy fmin“slsqp错误”;转换第八个参数“g';“从slsqp.slsqp到C/Fortran数组”;,python,optimization,numpy,scipy,Python,Optimization,Numpy,Scipy,我见过这个问题或其他问题的变体,例如 但是他们并没有真正使用一个简单的可破解的示例代码。也没有任何真正的答案(可能是因为缺少问题的简单演示) 问题是,当尝试使用scipy.optimize fmin_slsqp方法拟合函数时,您会得到这个非常不透明的错误 “未能将_slsqp.slsqp的第8个参数'g'转换为C/Fortran数组” 在下面的代码中,我使用leastsq方法将线性函数拟合到随机相关数据。从.docs中,我看不出同样的语法不应该使用fmin_slsqp做同样的事情,但事实并非
import numpy as nm
from scipy.optimize import leastsq, fmin_slsqp
import matplotlib.pyplot as plt
# residuals of linear function
def res(params,x,y_real):
y_fit = params[0] +x*params[1]
res = y_fit-y_real
return res
#generate correlated data
xx = nm.array([-0.51, 51.2])
yy = nm.array([0.33, 51.6])
means = [xx.mean(), yy.mean()]
stds = [xx.std() / 3, yy.std() / 3]
corr = 0.8 # correlation
covs = [[stds[0]**2 , stds[0]*stds[1]*corr],
[stds[0]*stds[1]*corr, stds[1]**2]]
m = nm.random.multivariate_normal(means, covs, 100)
x = m[:,0]
y = m[:,1]
# Initial values of parameters
initvals = [0,0]
fit1,j = leastsq(res, initvals, args=(x,y))
#Plot fit 1
y_fit = fit1[0] + fit1[1]*x
plt.scatter(x,y)
plt.plot(x,y_fit)
plt.show()
fit2 = fmin_slsqp(res, initvals, args=(x,y))
当目标函数返回的不是标量时,我会得到相同的错误。导致此错误的最小示例是
from scipy.optimize import fmin_slsqp
def fn(x):
return [0.,1.]
x = [0, 1., 2.]
minsoln = fmin_slsqp(fn, x)
虽然以下内容不会引发错误
from scipy.optimize import fmin_slsqp
def fn(x):
return 0.
x = [0, 1., 2.]
minsoln = fmin_slsqp(fn, x)
我认为这要么是一个bug,要么应该有更清晰的错误信息。我提出了一个建议
更新:
现在已通过解决此问题,以给出明确的错误消息
"Objective function must return a scalar"
更新文档后,请参阅讨论线程。您好,我遇到了与以下内容相同的错误:
def ptf_returns(weights,returns):
return pd.DataFrame(np.array(returns).T*(weights)).T.mean().mean()
当我添加以下内容时,它会起作用:
def ptf_returns(weights,returns):
return float(pd.DataFrame(np.array(returns).T*(weights)).T.mean().mean())
这个bug似乎是围绕着响应的
type()
定位的。可能是个bug吗?我也收到了错误信息。