Python 用Scipy最小化数据线性组合的函数
假设我有一些矩阵X,其中每一行代表一个时间序列。例如,X可以是大小为3 X 1000的矩阵,这意味着有3个时间序列,每个时间序列由1000个时间点组成。除了X,X中的每个时间序列都有一个标量。我想找到一个线性组合 a[0]*X[0,:]+a[1]*X[1,:]+…+a[n-1]*X[n-1,:] 具有某个函数F的最小值 因此,我尝试了以下方法Python 用Scipy最小化数据线性组合的函数,python,linux,optimization,scipy,linear-algebra,Python,Linux,Optimization,Scipy,Linear Algebra,假设我有一些矩阵X,其中每一行代表一个时间序列。例如,X可以是大小为3 X 1000的矩阵,这意味着有3个时间序列,每个时间序列由1000个时间点组成。除了X,X中的每个时间序列都有一个标量。我想找到一个线性组合 a[0]*X[0,:]+a[1]*X[1,:]+…+a[n-1]*X[n-1,:] 具有某个函数F的最小值 因此,我尝试了以下方法 import numpy as np from scipy.optimization import minimize def f(x): retu
import numpy as np
from scipy.optimization import minimize
def f(x):
return 0 # for testing purposes
def obj(a,x):
y = a*x
return f(y)
minimize(obj, np.array([1,1]), args=np.array([[1,1],[2,2]]), method='nelder-mead')
所以第二个参数是初始猜测x0(系数a)。args给出的数据应该映射到x(如果我理解正确的话),并在优化过程中保持不变
然而,我得到了错误
ValueError: setting an array element with a sequence.
我想我的问题很普遍,所以我希望有人能帮我 像这样的
import scipy.optimize as opt
def f(val):
return val**2
def obj(a, series):
s = 0
for row in series:
for t in range(len(row)):
s += f(a[t] * row[t])
return s
ll_x = [[2, 3, 2, 6], [3, 5, 2, 7]] # 2 series
l_a = [1 for _ in ll_x[0]] # initial coeffs.
res = opt.minimize(obj, l_a, args=ll_x, method='nelder-mead')
for elem in sorted(res.items()):
print(*elem)
(适用于Python 3.4.3)在哪里定义
f
?我在这里省略了它。它返回一个标量值。我相信这个问题在某种程度上与传递最小化的参数有关,但我不知道出了什么问题。a不是这样工作的。定义f(x):返回0进行测试?抱歉,我不知道发布的要求这里的要点是:我们很难找出问题所在,因为我们看不到到底是什么代码产生了错误。一个好的问题是尽量将错误减少到最小数量的代码,这些代码可以复制错误,也可以由其他人运行。