使用Scipy最小化最小化功能

Question

嘗試使用Scipy最小化獲得Std_Diff目標函數最小的d值（整數）。

我的代碼：

def Std_Diff(d):
    return std(diff(df['BN'].values,d));

from scipy.optimize import minimize
b=(3,)
res = minimize(Std_Diff,(1,), method='SLSQP', bounds = b)

The **df['BN'].values** are 
Out[72]: 
array([ 2,  2,  2,  2,  3,  2,  7,  5,  7, 11,  8,  2, 11,  7, 15,  8,  7,
       12, 21, 19, 32, 35, 40, 35, 21, 19, 25, 20, 40, 80, 99], dtype=int64)

錯誤是

IndexError：數組的索引太多了

如果我不使用bounds ：

res = minimize(Std_Diff,(1,), method='SLSQP')

我收到另一個錯誤：

> in _minimize_slsqp(func, x0, args, jac, bounds, constraints, maxiter,
> ftol, iprint, disp, eps, callback, **unknown_options)
>     368                 fx = float(np.asarray(func(x)))
>     369             except:
> --> 370                 raise ValueError("Objective function must return a scalar")
>     371             # Compute the constraints
>     372             if cons['eq']: ValueError: Objective function must return a scalar.

Answer 1

（我一開始就磕磕絆絆，但我會離開這里，這樣你就可以得到一些如何調試的想法。）

---

你用以下方法調用minimize ：

Std_Diff,(1,)

這是初始值是標量（或1個數字）。 minimize從中獲取線索並將搜索變量設置為相同。 這就是d把它傳遞給你的函數， Std_Diff 。 但它也期望該函數也返回單個值。 換句話說，最小化標量值的標量函數。

所以std(diff(df['BN'].values,1))應該返回一個標量。 顯然它沒有。

---

好的，用假想的values進行測試

In [115]: bf
Out[115]: 
array([ 2,  2,  2,  2,  3,  2,  7,  5,  7, 11,  8,  2, 11,  7, 15,  8,  7,
       12, 21, 19, 32, 35, 40, 35, 21, 19, 25, 20, 40, 80, 99], dtype=int64)
In [116]: np.std(np.diff(bf,1))
Out[116]: 9.9219733700285424

所以我的第一個猜測錯了。

---

仔細查看錯誤堆棧，我發現錯誤發生在您的函數中，而不是之后。 使用d看起來像是一個問題。

/usr/local/lib/python3.5/dist-packages/numpy/lib/function_base.py in diff(a, n, axis)
   1913         raise ValueError(
-> 1914             "order must be non-negative but got " + repr(n))
   1915     a = asanyarray(a)

ValueError: order must be non-negative but got array([-64259548.28233695])

在無界的情況下，搜索變量可以為負（非常如此），在np.diff引發錯誤。

（您顯示的錯誤來自During handling of the above exception, another exception occurred: 。這不是主要錯誤，而是次要錯誤。）

---

指定邊界時的問題是規范不完整。 它需要每個變量的（最小，最大）元組。 這樣可行：

In [147]: minimize(Std_Diff,1, method='SLSQP', bounds=((3,None),))
...
Out[147]: 
     fun: 9.921973370028542
     jac: array([ 64259549.28233695])
 message: 'Positive directional derivative for linesearch'
    nfev: 3
     nit: 5
    njev: 1
  status: 8
 success: False
       x: array([ 1.])

變量的界限（僅適用於L-BFGS-B，TNC和SLSQP）。 (min, max)對x每個元素的對，定義該參數的邊界。 當在該方向上沒有約束時，使用None作為min或max之一。

查看錯誤行：

--> 341         bnderr = bnds[:, 0] > bnds[:, 1]

它希望bnds是一個2列的2列數組。 例如：

In [153]: np.array(((3,10),))
Out[153]: array([[ 3, 10]])
In [154]: np.array((3,))
Out[154]: array([3])

---

我還修改了函數，以更清楚地了解其值如何變化

def Std_Diff(d):
    print(d)
    r = np.std(np.diff(bf,d))
    print(r)
    return r