使用scipy优化的python失败了

我想用scipy最小化来最小化似然函数。我需要对所有这些函数求和，以得到alpha1，alpha2，alpha3，alpha4，beta1，beta2的最佳值。我的代码是：

def infected_prob_lh(params):
    alpha1,alpha2,alpha3,alpha4,beta1,beta2=params[0], params[1],params[2], params[3],params[4], params[5]
    return -np.sum([ Nij_339034*np.log(Pj_339034)+ (N_339034-Nij_339034)*np.log(1-Pj_339034),
                  Nij_436000*np.log(Pj_436000)+ (N_436000-Nij_436000)*np.log(1-Pj_436000),
                    Nij_436000*np.log(Pj_436000)+ (N_436000-Nij_436000)*np.log(1-Pj_436000),
                    Nij_817037*np.log(Pj_817037)+ (N_817037-Nij_817037)*np.log(1-Pj_817037),
                    Nij_1282000*np.log(Pj_1282000)+ (N_1282000-Nij_1282000)*np.log(1-Pj_1282000),
                   Nij_4014000*np.log(Pj_4014000)+ (N_4014000-Nij_4014000)*np.log(1-Pj_4014000)])


init_params = [1, 1,1,1,1,1]
minimize(infected_prob_lh,x0=init_params,method='Nelder-Mead')

我明白了：

fun: nan
       message: 'Maximum number of function evaluations has been exceeded.'
          nfev: 1207
           nit: 151
        status: 1
       success: False
             x: array([1., 1., 1., 1., 1., 1.])

我试图设置另一个初始值，但没有成功。它似乎只对return语句中的一个函数有效，但我需要找到所有这些函数之和的最佳值。 乐于助人。

---

谢谢

您的返回函数没有输入参数。因此，改变参数不会改变输出。在最大迭代次数之后，优化器停止

将返回函数更改为alpha1、alpha2、alpha3、alpha4、beta1、beta2的函数

作为对你评论的回应：

I使用

alpha1，…beta2

内部

Pj_I

变量

我们没有如何定义（读取计算）Pj_i的代码，但可以肯定的是，

Pj_i

是一个具有固定值的变量，因此在极小值的迭代过程中不会更新。

---

您需要执行某种

Pi_j=calculatePi_j（alpha1，…beta2）

以使用当前

alpha1，…beta2

重新计算值，然后再使用它来计算拟合函数的返回值。

不清楚您的函数在做什么。参数和返回值之间的关系是什么？据我所知，您实际上并没有在函数中的任何位置使用

alpha1，…，beta2

，因此当您调用

minimize（…）

时，算法会更改参数的值，但它实际上并没有改变似然函数的输出值。作为旁注，最小化函数输出中的

nfev

告诉您，它对似然函数进行了1207次评估，而不是一次。我在Pj_I变量中使用alpha1，…beta 2。@nay:变量不能使用参数