使用Scipy最小化函数

尝试使用Scipy最小化来获取Std_Diff目标函数最小的d值（整数）。使用Scipy最小化函数

我的代码：

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'），我得到另一个错误：

> 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.

非常感谢您的建议。

来源

2017-08-21 Florian Cartuta

（我在一开始磕磕绊绊身边，但我会离开这里，所以你可以得到如何调试的一些想法。）

您调用minimize有：

Std_Diff,(1,)

即初始值是一个标量（或1个数字）。 minimize需要从中找出线索，并将搜索变量设置为相同。这是d传递给你的函数，Std_Diff。但它也希望该函数也返回单个值。换句话说，最小化标量值的标量函数。

所以std(diff(df['BN'].values,1))应该返回一个标量。显然它不是。

OK，测试与所谓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

所以我的第一个猜测是错误的。

仔细查看错误堆栈，我发现错误发生在您的函数中，而不是之后。它看起来像使用d的问题。

/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])

在无限的情况下，搜索变量可以去负（十分左右），在np.diff引发错误。

（您显示错误是从During handling of the above exception, another exception occurred:，这不是主要的错误，但次要的。）

问题指定范围时，是该规范是不完全的。它需要每个变量的（最小，最大）元组。所以这个工程：

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.

看看错误行：

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

，预计bnds是一个二维数组2列。例如：

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

我还修改了功能，有一个更清晰的认识它的价值如何变化

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

来源

2017-08-21 22:13:41 hpaulj

谢谢。有效。 –

使用Scipy最小化函数

回答

相关问题