python中的牛顿-CG优化，雅可比问题

我正在尝试用python进行Newton-CG优化。我的函数是f（x，y）=（1-x）^2+2（y-x^2）^2。初始点：x=3，y=2。这是我的密码：

from scipy.optimize import minimize 

def f(params): #definite function
    x, y = params #amount of params 
    return (1 - x) ** 2 + 2 * (y - x ** 2) ** 2

def jacobian(params): #definite function
    x, y = params #amount of params
    der = np.zeros_like(x)
    der[0] = -8 * x * (-x ** 2 + y) + 2 * x - 2 #derivative by x
    der[1] = -4 * x ** 2 + 4 * y #derivative by y
    return der

initial_guess = [3, 2] #initial points
result = minimize(f, initial_guess, jac = jacobian, method = 'Newton-CG')

我得到一个错误“索引器：数组的索引太多”

---

当我进行Nelder-mead优化时，BFGS和它们都起作用了。所以，问题在于雅可比矩阵。我觉得

def jacobian

中的某个地方是个错误

错误确实存在于雅可比函数中，您将

der

定义为0，大小为

x

，这是一个标量。而是使用

参数

：

def jacobian(params): #definite function
    x, y = params #amount of params
    der = np.zeros_like(params)
    der[0] = -8 * x * (-x ** 2 + y) + 2 * x - 2 #derivative by x
    der[1] = -4 * x ** 2 + 4 * y #derivative by y
    return der

---

它不应该是像（参数）一样的

der=np.zeros\u吗？因为
x
是一个标量？哦，是的。我看它现在能用了！非常感谢@rinkert我是新手如何“喜欢”你的评论，提高你的评价，或者在这个论坛上你真的帮助了我评论左边有一个小箭头，你可以按它向上投票，但向上投票的评论不会影响声誉。你可以投票并接受答案。