SciPy的“最小化的一组方程的平方之和”

Question

我面对SciPy的“leastsq”优化例程一个问题，如果我执行下面的程序，它说

    raise errors[info][1], errors[info][0]
TypeError: Improper input parameters.

和有时index out of range for an array ...

from scipy import *
import numpy
from scipy import optimize
from numpy import asarray
from math import *

def func(apar):
  apar = numpy.asarray(apar)
  x = apar[0]
  y = apar[1]
  eqn = abs(x-y)
  return eqn

Init = numpy.asarray([20.0, 10.0])
x = optimize.leastsq(func, Init, full_output=0, col_deriv=0, factor=100, diag=None, warning=True)
print 'optimized parameters: ',x
print '******* The End ******'

我不知道什么是我的FUNC optimize.leastsq（）调用的问题，请大家帮我

Answer 1

leastsq可与载体所以残留功能，func，需要返回长度的至少两个的向量。所以，如果你更换return eqn return [eqn, 0.]，你的例子会工作。运行它给出：

optimized parameters:  (array([10., 10.]), 2)

这是最小的绝对差的许多正确答案中的一个。

如果你想以最小化标量函数，fmin是要走的路，optimize.fmin(func, Init)。

这里的问题是，这两个功能，虽然它们看起来一样的标量是针对不同的目标。 leastsq发现最小二乘误差，通常从一组理想的曲线，而且是做一个“最适合”只是其中一种方法。在另一方面fmin找到一个标量函数的最小值。

显然，你是一个玩具例如，对于没有这些真的是有道理的，所以哪种方式你去将取决于你的最终目标是什么。

Answer 2

由于要最大限度地减少一个简单的标量函数（func()返回一个值，而不是值的列表），scipy.optimize.leastsq()应当通过调用替换到的fmin功能之一（使用适当的参数）：

x = optimize.fmin(func, Init)

正常工作！

在事实上，最小化leastsq()值的列表的平方的总和。它不会出现单一值（包含列表）上的工作，因为在你的例子（尽管它在理论上）。

Answer 3

只要在看最小二乘文档，它可能是你的函数func定义不正确。你假设你总是收到至少长度为2的数组，但优化功能是出奇的含糊其辞，您将收到该数组的长度。您可以尝试写到屏幕的任何apar是，看看你实际上得到。

如果你正在使用类似ipython或Python Shell中，你应该会得到堆栈跟踪，告诉你到底是哪行的错误发生，所以从这里开始。如果你不能从那里弄明白，张贴堆栈跟踪可能会帮助我们的。