指定附加參數這是一個很簡單的問題,回答有關使用minimize
。如果其他用戶需要更具體的東西,這裏有一個簡單的例子。
廣義二次方程:
In [282]: def fun(x, a,b,c):
...: return a*x**2 + b*x + c
In [283]: optimize.minimize(fun, 10, args=(1,0,0))
Out[283]:
fun: 1.7161984122524196e-15
hess_inv: array([[ 0.50000001]])
jac: array([ -6.79528891e-08])
message: 'Optimization terminated successfully.'
nfev: 15
nit: 4
njev: 5
status: 0
success: True
x: array([ -4.14270251e-08])
In [284]: optimize.minimize(fun, 10, args=(1,1,1))
Out[284]:
fun: 0.7500000000000221
hess_inv: array([[ 0.49999999]])
jac: array([ 3.12924385e-07])
message: 'Optimization terminated successfully.'
nfev: 12
nit: 2
njev: 4
status: 0
success: True
x: array([-0.49999985])
功能可以採取數組作爲輸入爲好,但仍需要返回單(標)值:
In [289]: optimize.minimize(fun, [10,10,10], args=(np.array([1,2,3]), 1, 1))
Out[289]:
fun: 2.541666666667115
hess_inv: array([[ 0.50021475, -0.00126004, 0.00061239],
[-0.00126004, 0.25822101, -0.00259327],
[ 0.00061239, -0.00259327, 0.16946887]])
jac: array([ -8.94069672e-08, 4.47034836e-07, -2.20537186e-06])
message: 'Optimization terminated successfully.'
nfev: 55
nit: 9
njev: 11
status: 0
success: True
x: array([-0.50000006, -0.2499999 , -0.16666704])
In [286]: def fun(x, a,b,c):
...: return (a*x**2 + b*x + c).sum()
這是一個好主意確保函數運行的建議x0
和參數,例如
In [291]: fun(np.array([10,10,10]), np.array([1,2,3]), 1, 1)
Out[291]: 633
如果您不能調用目標函數,或者是困惑,它的參數是如何工作的,minimize
是不是靈丹妙藥。這種最小化與您對目標函數的理解一樣好。
使用'functools.partial'將特定'a,b,c'值的函數「凍結」? –
@ PM2Ring這將工作,我很高興我現在知道這個工具,但@Liteye指出'最小化'實際上允許我傳遞它的參數。謝謝! –
不用擔心。當你需要時,「partial」很好,但我不知道SciPy,所以這只是一個建議。顯然,Liteye的答案是這樣做的正確方法。 :) –