Python SciPy optimize.fmin VALUERROR：从零大小数组到无标识的最大缩减操作

更新2：一个更好的标题（现在我理解了这个问题）是： scipy optimize.fmin中输入的正确语法是什么

更新：已请求可运行代码，因此函数定义已替换为可运行代码。样本输入数据已硬编码为numpy数组“data”

我正试图用scipy优化一个函数，但我真的被卡住了，必须寻求帮助。一个零长度数组正在传递给优化器中的一个方法，我无法理解为什么，也无法理解如何克服这个问题

此代码尝试执行的操作的简要概述：

• 由单个观测值“r”组成的给定数据集“数据”
• 估计最有可能产生“数据”的参数“m”的值
  • 对于给定的m，计算观察“数据”中每个“r”的概率p（r | m）
  • 对于给定的m，计算“m”生成数据的概率P（m |数据）
• 定义用于optimize.fmin的辅助函数
• 使用SciPy optimize.fmin确定最大化辅助对象（m |数据）的m

运行此代码时出现的错误是： ValueError:从零大小数组到没有标识的最大缩减操作

下面是在我的机器上生成错误的可运行代码片段

#!/usr/bin/env python2.7

import numpy as np
from scipy import optimize

def p_of_r(m, r): ## this calculates p(r|m) for each datum r
    r_range = np.arange(0, r+1, 1, dtype='int')
    p_r = []
    p_r = np.array([0.0 for a in r_range])
    for x in r_range:
        if x == 0:
            p_r[x] = np.exp(-1 * m)
        else:
            total = 0.0
            for y in np.arange(0, x, 1, dtype='int'):
                current = ( p_r[y] ) / (x - y  + 1)
                total = current + total
            p_r[x] = ( m / x ) * total
    return p_r

def likelihood_function(m, *data): # calculates P(m|data) using entire data set
    p_r = p_of_r(m, np.ma.max(data))
    p_r_m = np.array([p_r[y] for y in data])
    bigP = np.prod(p_r_m)
    return bigP

def main():
    data = np.array( [10, 10, 7, 19, 9, 23, 26, 7, 164, 16 ] )
    median_r = np.median(data)
    def Drake(m):
        return median_r / m - np.log(m)
    m_initial = optimize.broyden1(Drake, 1) 
    def helper(x, *args):
        helper_value = -1 * likelihood_function(x, *args)
        return helper_value 

    # here is the actual optimize.fmin    
    fmin_result = optimize.fmin(helper, x0=[m_initial], args=data)
    print fmin_result

#    for i in np.arange(0.0, 25.0, 0.1):
#        print i, helper(i, data)
if __name__ == "__main__" : main()

错误本身： ValueError:从零大小数组到没有标识的最大缩减操作

下面提供了回溯

ValueError                                Traceback (most recent call last)
/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/IPython/utils/py3compat.pyc in execfile(fname, *where)
    176             else:
    177                 filename = fname
--> 178             __builtin__.execfile(filename, *where)

/Users/deyler/bin/MSS-likelihood-minimal.py in <module>()
     43     print fmin_result
     44 
---> 45 if __name__ == "__main__" : main()

/Users/deyler/bin/MSS-likelihood-minimal.py in main()
     40 
     41 
---> 42     fmin_result = optimize.fmin(helper, x0=[m_initial], args=data)
     43     print fmin_result
     44 

/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.pyc in fmin(func, x0, args, xtol, ftol, maxiter, maxfun, full_output, disp, retall, callback)
    371             'return_all': retall}
    372 
--> 373     res = _minimize_neldermead(func, x0, args, callback=callback, **opts)
    374     if full_output:
    375         retlist = res['x'], res['fun'], res['nit'], res['nfev'], res['status']

/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.pyc in _minimize_neldermead(func, x0, args, callback, xtol, ftol, maxiter, maxfev, disp, return_all, **unknown_options)
    436     if retall:
    437         allvecs = [sim[0]]
--> 438     fsim[0] = func(x0)
    439     nonzdelt = 0.05
    440     zdelt = 0.00025

/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.pyc in function_wrapper(*wrapper_args)
    279     def function_wrapper(*wrapper_args):
    280         ncalls[0] += 1
--> 281         return function(*(wrapper_args + args))
    282 
    283     return ncalls, function_wrapper

/Users/deyler/bin/MSS-likelihood-minimal.py in helper(x, *args)
     33     m_initial = optimize.broyden1(Drake, 1)
     34     def helper(x, *args):
---> 35         helper_value = -1 * likelihood_function(x, *args)
     36         return helper_value
     37 

/Users/deyler/bin/MSS-likelihood-minimal.py in likelihood_function(m, *data)
     21 
     22 def likelihood_function(m, *data):
---> 23     p_r = p_of_r(m, np.ma.max(data))
     24     p_r_m = np.array([p_r[y] for y in data])
     25     bigP = np.prod(p_r_m)

/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/numpy/ma/core.pyc in max(obj, axis, out, fill_value)
   5899         # If obj doesn't have a max method,
   5900         # ...or if the method doesn't accept a fill_value argument
-> 5901         return asanyarray(obj).max(axis=axis, fill_value=fill_value, out=out)
   5902 max.__doc__ = MaskedArray.max.__doc__
   5903 

/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/numpy/ma/core.pyc in max(self, axis, out, fill_value)
   5159         # No explicit output
   5160         if out is None:
-> 5161             result = self.filled(fill_value).max(axis=axis, out=out).view(type(self))
   5162             if result.ndim:
   5163                 # Set the mask

/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/numpy/core/_methods.pyc in _amax(a, axis, out, keepdims)
      8 def _amax(a, axis=None, out=None, keepdims=False):
      9     return um.maximum.reduce(a, axis=axis,
---> 10                             out=out, keepdims=keepdims)
     11 
     12 def _amin(a, axis=None, out=None, keepdims=False):

ValueError: zero-size array to reduction operation maximum which has no identity

ValueError回溯（最近一次调用）
/execfile（fname，*其中）中的Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/IPython/utils/py3compat.pyc
176.其他：
177 filename=fname
-->178 \uuuu内置\uuuuu.execfile（文件名，*其中）
/Users/deyler/bin/MSS-likelion-minimal.py in（）
43打印fmin_结果
44
--->45如果uuuu name uuuuuu==“uuuuu main”:main（）
/main（）中的Users/deyler/bin/MSS-likelion-minimal.py
40
41
--->42 fmin_result=optimize.fmin（helper，x0=[m_initial]，args=data）
43打印fmin_结果
44
/fmin中的Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.pyc（func、x0、args、xtol、ftol、maxiter、maxfun、full_输出、disp、retall、回调）
371“返回所有”：retail}
372
-->373 res=\u最小化\u neldermead（func，x0，args，callback=callback，**选项）
374如果满输出：
375 retlist=res['x']，res['fun']，res['nit']，res['nfev']，res['status']
/_minimize_neldermead中的Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.pyc（func、x0、args、callback、xtol、ftol、maxiter、maxfev、disp、return_all、**未知_选项）
436如果报复：
437 allvecs=[sim[0]]
-->438 fsim[0]=func（x0）
439非Zdelt=0.05
440 zdelt=0.00025
/函数_wrapper（*wrapper_args）中的Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/optimize.pyc
279 def函数包装器（*包装器参数）：
280 nCall[0]+=1
-->281返回函数（*（包装器参数+参数））
282
283返回NCALL，函数包装器
/帮助程序中的Users/deyler/bin/MSS-likelion-minimal.py（x，*args）
33 m_初始=优化.broyden1（德雷克，1）
34 def辅助程序（x，*参数）：
--->35 helper_值=-1*似然函数（x，*args）
36返回值
37
/似然函数中的Users/deyler/bin/MSS-likelion-minimal.py（m，*数据）
21
22 def似然函数（m，*数据）：
--->23 p_r=p_/r（m，np.ma.max（数据））
24 p_r_m=np.数组（[p_r[y]表示数据中的y]）
25 bigP=np.prod（p\u r\m）
/max中的Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/numpy/ma/core.pyc（obj、axis、out、fill_值）
5899#如果obj没有max方法，
5900#…或者如果该方法不接受fill#u值参数
->5901返回asanyarray（obj）.max（轴=轴，填充值=填充值，输出=输出）
5902 max.\uuuuu doc\uuuuu=MaskedArray.max.\uuuu doc__
5903
/max中的Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/numpy/ma/core.pyc（self、axis、out、fill_值）
5159#无明确输出
5160如果输出为无：
->5161结果=自填充（填充值）。最大值（轴=轴，输出=输出）。视图（类型（自））
5162如果result.ndim：
5163#设置遮罩
/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/numpy/core//u methods.pyc in\u amax（a、axis、out、keepdims）
8 def_amax（a，axis=None，out=None，keepdims=False）：
9返回最大值减小（a，轴=轴，
--->10 out=out，keepdims=keepdims）
11
12 def_amin（a，axis=None，out=None，keepdims=False）：
ValueError:从零大小数组到没有标识的最大缩减操作

正确的是：

args:tuple，可选

    Extra arguments passed to func, i.e. f(x,*args).

预计会有下一个结果吗

Optimization terminated successfully.
         Current function value: -0.000000
         Iterations: 16
         Function evaluations: 32
[ 5.53610656]

---

请在获取错误时提供您正在处理的示例数据。您的

数据似乎为空。不幸的是，我们不知道数据从哪里来。此外，错误消息与代码不匹配。当剥离或简化代码时，请尽最大努力构造一个最小的、可运行的示例，在运行时演示您发布的错误。如果您不能这样做，请至少使其与错误消息保持一致。@alko，@user2357112:Runnable，错误生成代码已发布<代码>数据

已明确定义。如果

数据

看起来是空的，那么我对优化器的输入做错了。我明白了。args=（tuple），因此括号是必需的。谢谢，这已经花了我两天时间了。@dangene

Optimization terminated successfully.
         Current function value: -0.000000
         Iterations: 16
         Function evaluations: 32
[ 5.53610656]