利用优化函数优化函数

Question

我想定义一个函数：

​

​

我想找出(a，b)点的最小值：

x = np.array([.2, .5, .8, .9, 1.3, 1.7, 2.1, 2.7])
y = f(x) + np.random.randn(len(x))

使用函数: optimize.fmin_cg (您可以在这里找到文档：https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.fmin_cg.html)

我的工作到目前为止

我设法定义了一个compute_error()函数：

def compute_error(a,b):
    k=[0]*len(x)
    for i in range(0,len(x)):
        k[i]=(y[i]-(a*x[i]+b))**2
    return sum(k)

我试着用这个优化函数来最小化它，但是我遇到了一些问题。

x_0=np.array((0,0))     #start optimization from point (0,0)
 
minimum = optimize.fmin_cg(compute_error,x_0)

TypeError: compute_error() missing 1 required positional argument: 'b'

Answer 1

我认为compute_error应该采用两个元素数组，而不是两个独立的参数。

def compute_error(params_to_optimize):
    a = params_to_optimize[0]
    b = params_to_optimize[1]
    k=[0]*len(x)
    for i in range(0,len(x)):
        k[i]=(y[i]-(a*x[i]+b))**2
    return sum(k)

而且，可能是相关的，x0初始化看起来有点奇怪，我会在np.array构造函数中使用一个列表而不是元组。

x_0=np.array([0,0])