使用Scipy最小化函數

嘗試使用Scipy最小化來獲取Std_Diff目標函數最小的d值（整數）。使用Scipy最小化函數

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) 

Error is"IndexError: too many indices for array "

如果我不使用界：RES =最小化（Std_Diff，（1），方法= 'SLSQP'），我得到另一個錯誤：

> 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.

非常感謝您的建議。

來源

2017-08-21 Florian Cartuta

（我在一開始磕磕絆絆身邊，但我會離開這裏，所以你可以得到如何調試的一些想法。）

您調用minimize有：

Std_Diff,(1,)

即初始值是一個標量（或1個數字）。 minimize需要從中找出線索，並將搜索變量設置爲相同。這是d傳遞給你的函數，Std_Diff。但它也希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。顯然它不是。

OK，測試與所謂values

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是錯誤的。

仔細查看錯誤堆棧，我發現錯誤發生在您的函數中，而不是之後。它看起來像使用d的問題。

/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])

在無限的情況下，搜索變量可以去負（十分左右），在np.diff引發錯誤。

（您顯示錯誤是從During handling of the above exception, another exception occurred:，這不是主要的錯誤，但次要的。）

問題指定範圍時，是該規範是不完全的。它需要每個變量的（最小，最大）元組。所以這個工程：

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.])

Bounds for variables (only for L-BFGS-B, TNC and SLSQP). (min, max) pairs for each element in x , defining the bounds on that parameter. Use None for one of min or max when there is no bound in that direction.

看看錯誤行：

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

，預計bnds是一個二維數組2列。例如：

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

我還修改了功能，有一個更清晰的認識它的價值如何變化

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

來源

2017-08-21 22:13:41 hpaulj

謝謝。有效。 –

使用Scipy最小化函數

回答

相關問題