Python正确使用scipy.optimize.minimize

Question

我正在尝试最小化以下功能：

def mvqr(P, y, x, c):
    s = 0
    for i in xrange(1, len(y)):
        summation =  numpy.linalg.norm(numpy.dot(numpy.linalg.inv(P), (y[i,:] - numpy.dot(beta, x[i,:])))) + numpy.dot(numpy.dot(c.T, linalg.inv(P)), (y[i,:] - numpy.dot(beta, x[i,:])))
        s = s + summation
    return s

这是主文件的各行：

fun = lambda beta: mvqr(E, Y_x, X_x, v)
result = minimize(fun, beta0, method = 'BFGS')

beta是函数mvqr()的未知变量， beta0是初始猜测，这是我之前计算的(2,2)数组。

我收到一个错误：

NameError: global name 'beta' is not defined 。

对于谁想知道函数mvqr()的文件是否已经位于python软件包的目录中，答案是：是的，它已经存在。

我认为问题出在mvqr()函数中的beta和lambda函数的使用上。

有什么帮助吗？

编辑

多亏了光伏。 现在，代码可以编译，没有错误，但是执行最小化操作时不会进行迭代，因为最小化函数的输出minimize显示消息'Optimization terminated successfully.' 但只是不进行迭代并返回初始猜测。

  status: 0
 success: True
    njev: 1
    nfev: 6
hess_inv: array([[1, 0, 0, 0],
                 [0, 1, 0, 0],
                 [0, 0, 1, 0],
                 [0, 0, 0, 1]])
     fun: 1.2471261924040662e+31
       x: array([  3.44860608e+13,  -4.10768809e-02,  -1.42222910e+15,
                  -1.22803296e+00])
 message: 'Optimization terminated successfully.'
     jac: array([ 0.,  0.,  0.,  0.])

我也尝试过scipy.optimize.fmin_bfgs但结果却几乎相同：

Optimization terminated successfully.
Current function value: 937385449919245008057547138533569682802290504082509386481664.000000
            Iterations: 0
  Function evaluations: 6
  Gradient evaluations: 1

不幸的是， beta0可能是局部最小值，或者是固定点jac == [0, 0, 0, 0] beta0 jac == [0, 0, 0, 0] ，因此算法终止了，但是对于我来说，最初的猜测是功能（即使是本地功能）。 有谁知道如何避免它？

任何帮助，将不胜感激。

Answer 1

将定义更改为def mvqr(beta, P, y, x, c):并执行fun = lambda beta: mvqr(beta.reshape(2,2), E, Y_x, X_x, v)并minimize(fun, beta0.ravel())如果您希望优化2x2矩阵的beta值。

之后，请考虑阅读Python教程，特别是。 关于全局和局部变量。