Python Scipy最小化fmin-语法问题

我有一个函数，它接受多个参数（一个数组和两个浮点），并返回一个标量（浮点）。 现在我想通过改变两个参数来最小化这个函数：两个浮点数。 数组在函数内部“解包”，然后使用其内容（数组和浮点）

如何使用SciPy的fmin功能实现这一点？我很难找到正确的语法

该函数类似于：

def func(x, y, data)
    data1=data[0]
    data2=data[...]
    ...
    ...
    result = ...x...y...data1...data2... #result is a scalar (float)
    return result

在这种情况下，

scipy.optimize.fmin

应该是什么样子

optimize.fmin(func, ???)

非常感谢

祝你一切顺利，

---

p、 p.

scipy

假设参数在一个数组中。可以定义辅助函数：

def helper(xy):
    return func(xy[0], xy[1], data)

并使用

优化。fmin

将其最小化：

optimize.fmin(helper, np.array([x0, y0]), ...)

---

我在SciPy的书中找到了答案！我只是不习惯文档中的编程“行话”。。。（尽管文档对我这样的新手非常有用）

因此，方法如下：

• 与其像我的问题中那样定义函数（要最小化），不如将其定义为

• 现在，

  optimize.fmin

  函数应该是

显然（也许我错了）当您将数组

x0

（初始猜测）提供给

optimize.fmin

函数时，它就会知道它将必须使用

x0

的“大小”优化数组。函数中需要的所有其他数据都必须在tuple

args

中给出（在本例中，tuple

args

中只有一个数组，但它可以是

args=（data1，data2，…）

，在这种情况下，不需要在函数中解包）

---

摘要：最初的猜测

x0

只是一个数组；额外的参数

args

只是一个元组；函数应该（字面上！）定义为def

func（x，*args）

；数组

x

和元组

args

可以在函数中“解包”（使用

y=x[0]

，

z=x[1]

，…和

data1=args[0]

，

data2=args[1]

，…）。

谢谢！我设法解决了这个问题，并试图回答我自己的问题，但“声誉低于10的用户在提问后8小时内无法回答他们自己的问题”。我明天会发布答案。次要的一点，但我认为你在上面对func的定义中是指data1=args[0]，data2=args[…]。

def func(x, *args) #it is literally "*args"!
    y=x[0]
    z=x[1]
    data1=data[0]
    data2=data[...]
    ...
    result = ...y...z...data1...data2... #result is a scalar (float)
    return result

optimize.fmin(func, x0=[y_estimate, z_estimate], args=(data))