[英]How to call function for scipy.optimize.fmin_cg(func) in Python
我將簡單地解釋一下這個問題。 此問題與scipy.doc中顯示的完全相似。 問題在於錯誤發生需要float參數,而不是numpy.ndarray
我有的:
可變長度/尺寸
像這樣 :
y[1] = s[1][1]*z[1]^t[1]+s[1][2]*z[2]^t[1]+...s[1][n]*z[n]^t[1])
y[2] = s[2][1]*z[1]^t[2]+s[2][2]*z[2]^t[2]+...s[2][n]*z[n]^t[2])
...
y[m] = s[m][1]*z[1]^t[m]+s[m][2]*z[2]^t[2]+...s[m][n]*z[n]^t[m])
問題:發生錯誤。
Optimization terminated successfully.
Traceback (most recent call last):
solution = optimize.fmin_cg(func, z, fprime=gradf, args=args)
File "C:\Python27\lib\site-packages\scipy\optimize\optimize.py", line 952, in fmin_cg
res = _minimize_cg(f, x0, args, fprime, callback=callback, **opts)
File "C:\Python27\lib\site-packages\scipy\optimize\optimize.py", line 1072, in _minimize_cg
print " Current function value: %f" % fval
TypeError: float argument required, not numpy.ndarray
這是代碼
import numpy as np
import scipy as sp
import scipy.optimize as optimize
def func(z, *args):
y,T,t = args[0]
return y - counter(T,z,t)
def counter(T, z, t):
rows,cols = np.shape(T)
res = np.zeros(rows)
for i,row_val in enumerate(T):
res[i] = np.dot(row_val, z**t[i])
return res
def gradf(z, *args):
y,T,t = args[0]
return np.dot(t,counter(T,z,t-1))
def main():
# Inputs
N = 30
M = 20
z0 = np.zeros(N) # initial guess
y = 30*np.random.random(M)
T = 10*np.random.random((M,N))
t = 5*np.random.random(M)
args = [y, T, t]
solution = optimize.fmin_cg(func, z0, fprime=gradf, args=args)
print 'solution: ', solution
if __name__ == '__main__':
main()
我也試圖找到類似的例子但找不到相似的東西。 以下是供您考慮的代碼。 提前致謝。
您的問題的根源是fmin_cg
期望函數返回fmin_cg
而不是數組的單個標量值。
基本上,你想要的東西模糊地類似於:
def func(z, y, T, t):
return np.linalg.norm(y - counter(T,z,t))
我在這里使用np.linalg.norm
,因為在numpy中沒有用於均方根的內置函數。 實際RMS將是norm(x) / sqrt(x.size)
,但是對於最小化,常數乘數不會產生任何差異。
您的代碼中還存在其他一些小問題(例如, args[0]
將成為單個項目。您希望y, T, t = args
或更好,只需func(z, y, T, t)
)。 你的漸變函數對我沒有任何意義,但無論如何它都是可選的。 此外,解決方案目前無法產生合理的值,因為您正在測試純噪聲。 我認為這些只是意味着占位符值。
但是,你有一個更大的問題。 你試圖在30維空間中最小化。 大多數非線性求解器不能很好地處理那么高的維數。 它可能工作正常,但你很可能遇到問題。
所有這一切,你可能會發現使用scipy.optimize.curve_fit
界面而不是使用其他界面更直觀,如果你對LM而不是CG(它們是相當類似的方法)沒問題。
最后一件事:你試圖通過20次觀察來解決30個模型參數。 這是一個未確定的問題。 此問題沒有唯一的解決方案。 您將需要應用一些先驗知識來獲得合理的答案。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.