如何修复与scipy.optimize.minimize拟合的推导条件

Question

我试图拟合一个函数cav=p(T,x)条件，x的cav constant T之后的推导总是正dp/dx (for constant T) > 0。 x，T和p的数据来自excel表。 z是我想要的系数。

我用Fitting with constraints on derivative Python的解决方案作为模板。这是我的代码，因为它现在提供错误消息：

import pandas as pd
import os
from scipy.optimize import minimize
import numpy as np

df = pd.read_excel(os.path.join(os.path.dirname(__file__), "./data.xlsx"))

T = np.array(df['T'], dtype=float)
x = np.array(df['x'], dtype=float)
p = np.array(df['p'], dtype=float)
p_s = 67

def cav(z,T,x):  #my function
    return x * p_s + x * (1 - x) * (z[0] + z[1] * T + z[2] * T ** 2 + z[3] * x + z[4] * x * T + z[5] * x * T ** 2) * p_s

def resid(p,T,x):
    return ((p-cav(T,x))**2).sum()

def constr(z):
    return np.gradient(cav(z,x,T))

con1 = {'type': 'ineq', 'fun': constr}

z0 = np.array([0,0,0,0,0,0], dtype=float)
res = minimize(resid,z0, args=(p,T,x), method='cobyla',options={'maxiter':50000}, constraints=con1)

而错误：

TypeError: resid() takes 3 positional arguments but 4 were given

我不明白我究竟应该把这三个def作为参数。谢谢你的帮助！

Answer 1

错误是因为除了初始猜测resid之外，你还向z0传递了3个参数。

因此，必须改变的路线是：

res = minimize(resid,z0, args=(T,x), method='cobyla',options={'maxiter':50000}, constraints=con1)

您的代码中的另一个问题是：

def resid(p,T,x):
    return ((p-cav(T,x))**2).sum()

你的方法cav有三个参数，但你只传递两个。所以这可能应该改为：

def resid(p,T,x):
    return ((p-cav(p,T,x))**2).sum()