minimize_scalar的应用

Question

我正在尝试使用不同的结构来复制这里发布的结果(How to use scipy.optimize minimize_scalar when objective function has multiple arguments?)。目标是完全相同的，但我只是想用一种不同的方式进行编码。下面是我的代码：

def mini(g,a,b,args):
  object=lambda w1: g(w1, *args)
  result=minimize_scalar(object, bounds=(a, b))
  minzer, minval=result.x, result.fun
  return minzer,minval

def errorr(w0,w1,x,y):
  y_pred = w0 + w1*x
  mse = ((y-y_pred)**2).mean()
  return mse

x = np.array([1,2,3])
y = np.array([52,54,56])
w0=50

mini(errorr, -5, 5, (w0,x,y))

然而，使用我的代码获得的结果与原始帖子中的结果有很大不同。我想知道我在代码中哪里犯了错误，导致了不同的结果。谢谢!

Answer 1

由于您使用的是lambda w1: g(w1, *args)，所以相对于第一个函数参数w0是最小化的。要最小化w1，您可以改为编写lambda w1: g(args[0], w1, *args[1:])。

但是，请避免使用python关键字作为变量名(例如object)。此外，lambda函数是匿名函数，因此将其赋给变量与其用途相矛盾。因此，我建议要么

def mini(g,a,b,args):
    def obj_fun(w1): return g(args[0], w1, *args[1:]) 
    result = minimize_scalar(obj_fun, bounds=(a, b))
    return result.x, result.fun

或

def mini(g,a,b,args):
    result = minimize_scalar(lambda w1: g(args[0], w1, *args[1:]), bounds=(a, b))
    return result.x, result.fun