如何使用scipy.optimize.fmin来代替向量而不是标量？

Question

当使用Scipy的fmin函数时，我一直遇到错误信息。ValueError: setting an array element with a sequence我看到这个问题已经被问过好几次了，我也读到了一些有趣的帖子，例如

• ValueError: setting an array element with a sequence(数值错误：用序列设置数组元素)
• Scipy optimize fmin ValueError: 设置一个数组元素为一个序列。
• Scipy最小化fmin - 语法问题

......并尝试实施建议的解决方案，如在成本函数中添加 "*args"，将成本函数中的变量追加到一个列表中，并将变量矢量化。但到目前为止，没有什么能让我满意。

我对Python编程比较陌生，所以可能是看了解决方案，不知道如何应用。

我用来尝试寻找问题的简化版代码如下。

import numpy as np
import scipy.optimize
from scipy.optimize import fmin
fcm28=40
M_test=np.array([32.37,62.54,208,410,802])
R_test=np.array([11.95,22.11,33.81,39.18,50.61])
startParams=np.array([fcm28,1,1])

def func(xarray):
   x=xarray[0]
   y=xarray[1]
   z=xarray[2]
   expo3=x*np.exp(-(y/M_test)**z)
   cost=expo3-R_test
   return cost 
### If I write the following lines of code:
# xarray=(100,290,0.3)
# print(func(xarray))
# >> [ 2.557 -1.603 -0.684 1.423 -2.755] #I would obtain this output

func_optimised=fmin(func,x0=[fcm28,1,1],xtol=0.000001)

目标： 我想得到一个指数函数 "expo3" (需要5个调整点，由横轴上的向量 "M_test "和纵轴上的向量 "R_test "定义) 。我试图最小化的是函数'expo3'和调整点之间的差值。因此，指数图应该尽可能地接近调整点，如。

我得到以下错误信息

File "Example2.py", line 20, in <module>
   func_optimised=fmin(func,x0=[fcm28,1,1],xtol=0.000001)
File "/home/.../python3.6/site-packages/scipy/optimize/optimize.py", line 443, in fmin
 res=_minimize_neldermead(func,x0,args,callback=callback,**opts)
File "/home/.../python3.6/site-packages/scipy/optimize/optimize.py" line 586, in _minimize_neldermead
   fsim[k] = func(sim[k])
ValueError: setting an array element with a sequence.

fmin可以用来完成这个任务吗？有什么可行的替代方案吗？任何关于如何解决这个问题的帮助都将非常感激。

Answer 1

正如commments中提到的，你的函数必须返回一个单一的值。假设你想执行一个经典的最小二乘法拟合，你可以修改 func 以还正是。

  def func(...):
      # ... identical lines skipped
      cost = sum((expo3-R_test)**2)
      return cost

有了这个变化。func_optimised 变成。

  array([1.10633369e+02, 3.85674857e+02, 2.97121854e-01])
  # or approximately (110.6, 385.6, 0.3)

就像一个指针： 你也可以用以下方法来代替 scipy.optimize.curve_fit 基本上是做同样的事情，但有一个更好的API，允许你直接提供函数骨架+样本点来适应。