如何在Python中调用scipy.optimize.fmin_cg（func）的函数

我将简要地解释这个问题。此问题与中所示完全相似。问题在于错误发生，因为需要浮点参数，而不是numpy.ndarray

我所拥有的：

• 函数：y=s*z^t

可变长度/尺寸

• t-1…m
• s-1…m和1…n。所以，m是行数，n是列数
• z-1…n
• 这可以是y，y[2]，y[3]，…，y[m]
• T-s[m，n]矩阵

像这样：

y[1]=s[1][1]*z[1]^t[1]+s[1][2]*z[2]^t[1]+…s[1][n]*z[n]^t[1]）

y[2]=s[2][1]*z[1]^t[2]+s[2][2]*z[2]^t[2]+…s[2][n]*z[n]^t[2]）

y[m]=s[m][1]*z[1]^t[m]+s[m][2]*z[2]^t[2]+…s[m][n]*z[n]^t[m]）

问题：发生错误

Optimization terminated successfully.

Traceback (most recent call last):
    solution = optimize.fmin_cg(func, z, fprime=gradf, args=args)
  File "C:\Python27\lib\site-packages\scipy\optimize\optimize.py", line 952, in fmin_cg
    res = _minimize_cg(f, x0, args, fprime, callback=callback, **opts)
  File "C:\Python27\lib\site-packages\scipy\optimize\optimize.py", line 1072, in _minimize_cg
    print "         Current function value: %f" % fval
TypeError: float argument required, not numpy.ndarray

这是代码

import numpy as np
import scipy as sp
import scipy.optimize as optimize

def func(z, *args):
    y,T,t = args[0]
    return y - counter(T,z,t)

def counter(T, z, t):
    rows,cols = np.shape(T)
    res = np.zeros(rows)
    for i,row_val in enumerate(T):
        res[i] = np.dot(row_val, z**t[i])
    return res


def gradf(z, *args):
    y,T,t = args[0]
    return np.dot(t,counter(T,z,t-1))

def main():
    # Inputs
    N = 30
    M = 20
    z0 = np.zeros(N) # initial guess
    y = 30*np.random.random(M)
    T = 10*np.random.random((M,N))
    t = 5*np.random.random(M)
    args = [y, T, t]

    solution = optimize.fmin_cg(func, z0, fprime=gradf, args=args)
    print 'solution: ', solution

if __name__ == '__main__':
    main()

---

我也试图找到类似的例子，但找不到非常相似的东西。这是代码供您考虑。提前感谢。

问题的根源在于

fmin\u cg

希望函数为不匹配返回单个标量值，而不是数组

基本上，你想要的东西大致类似于：

def func(z, y, T, t):
    return np.linalg.norm(y - counter(T,z,t))

我在这里使用

np.linalg.norm

，因为numpy中没有内置的均方根函数。实际的RMS将是

norm（x）/sqrt（x.size）

，但对于最小化，常数乘数没有任何区别

您的代码中还有其他一些小问题（例如，

args[0]

将成为单个项目。您需要

y，T，T=args

，或者更好，只需

func（z，y，T，T）

）。你的梯度函数对我来说没有任何意义，但无论如何它是可选的。此外，解决方案目前无法生成合理的值，因为您正在针对纯噪声进行测试。不过，我假设这些只是占位符值

但是，您有一个更大的问题。你试图在30维空间中最小化。大多数非线性解算器无法在如此高的维数下正常工作。它可能工作得很好，但你很可能会遇到问题

综上所述，如果您对LM而不是CG（它们是相当类似的方法）满意的话，您可能会发现使用

scipy.optimize.curve\u fit

界面比使用其他界面更直观

---

---

最后一件事：您正试图用20个观测值求解30个模型参数。这是一个未确定的问题。这个问题没有唯一的解决方案。您需要应用一些先验知识才能得到合理的答案。

问题的根源在于

fmin\u cg

希望函数为不匹配返回单个标量值，而不是数组

基本上，你想要的东西大致类似于：

def func(z, y, T, t):
    return np.linalg.norm(y - counter(T,z,t))

我在这里使用

np.linalg.norm

，因为numpy中没有内置的均方根函数。实际的RMS将是

norm（x）/sqrt（x.size）

，但对于最小化，常数乘数没有任何区别

您的代码中还有其他一些小问题（例如，

args[0]

将成为单个项目。您需要

y，T，T=args

，或者更好，只需

func（z，y，T，T）

）。你的梯度函数对我来说没有任何意义，但无论如何它是可选的。此外，解决方案目前无法生成合理的值，因为您正在针对纯噪声进行测试。不过，我假设这些只是占位符值

但是，您有一个更大的问题。你试图在30维空间中最小化。大多数非线性解算器无法在如此高的维数下正常工作。它可能工作得很好，但你很可能会遇到问题

综上所述，如果您对LM而不是CG（它们是相当类似的方法）满意的话，您可能会发现使用

scipy.optimize.curve\u fit

界面比使用其他界面更直观

---

---

最后一件事：您正试图用20个观测值求解30个模型参数。这是一个未确定的问题。这个问题没有唯一的解决方案。你需要运用一些先验知识才能得到一个合理的答案。

Kingston:谢谢，但你认为我只搜索了一个分钟点吗？还是N？因为，通过使用func（）我只得到一个解，而我应该得到N个解，但我不确定你得到了什么did@Spider-不，我想你正在搜索30个模型参数，给出20个观察值。您的解决方案应该是一个30项的数组，但它将是不稳定的（即非唯一的）。@Spider-另外，我可能误解了您的意图。你知道什么？你不知道什么？金斯顿——我应该告诉你的。我只测量了数据

y

和两个系数

s

（或

T

），

T

，如代码所示。我的未知是

z

。也许改变编码风格会怎么样，但是如何改变呢？我不能。再次感谢温金斯顿：谢谢，但你认为我只搜索了一分钟吗？还是N？因为，通过使用func（）我只得到一个解，而我应该得到N个解，但我不确定你得到了什么did@Spider-不，我想你正在搜索30个模型参数，给出20个观察值。您的解决方案应该是一个30项的数组，但它将是不稳定的（即非唯一的）。@Spider-另外，我可能误解了您的意图。你知道什么？你不知道什么？金斯顿——我应该告诉你的。我只测量了数据

y

和两个系数

s

（或

T

），

T

，如代码所示。我的未知是

z

。也许换个公司怎么样