二维函数的SciPy极小化

Question

我想最小化我的二维函数：

def error(w0, w1):
    sum = 0
    for index, row in data.head(5).iterrows():
        sum += (row['Height'] - (w0 + w1*row['Weight']))**2
    return sum

使用scipy optimize包，使用minimize函数。你知道吗

我设置初始变量：

w0 = 0
w1 = 0

并描述了边界：

bnds = ((-100, 100), (-5, 5))

但是，当我试图最小化我的函数

res = opt.minimize(error,w0,w1,method='L-BFGS-B', bounds=bnds)

我收到一个错误：

ValueError: length of x0 != length of bounds

我应该如何适当地最小化？你知道吗

Answer 1

您的最小化调用是错误的：

res = opt.minimize(error, [w0, w1], method='L-BFGS-B', bounds=bnds)

x0需要是一些数组。按照您所做的方式，初始点的第二维度被解释为该函数signature中的其他参数（意思是：只有w0被解释为x0，它是标量，而不是大小为2的数组->；与这些边界不兼容）。你知道吗

同样的原则也适用于您的职能：

def error(x):
    w0, w1 = x
    sum = 0
    for index, row in data.head(5).iterrows():
        sum += (row['Height'] - (w0 + w1*row['Weight']))**2
    return sum