问题标签 [scipy-optimize-minimize]

我正在通过我的fmin这种方式：

这看起来很标准：objective 返回一个标量，objective gradient 返回一个ndarraysize 2n+1。

我收到以下错误：

知道如何摆脱它吗？

我有一个问题optimize.minimize。我将粘贴代码并在之后进行解释。

有这个函数，我试图检查 p 和 q 的一些值（在 for 循环中定义），对于每一个，我将有一个更简单的函数，它只是固定 p 和 q 的 C 函数。然后，我将最小化这个更简单的 1 参数函数，其约束条件是函数 C(l) 必须大于或等于 2。（最终，我将添加将 l 的最小值附加到列表的行lMinVal）

我的问题是，当我运行它时，我收到以下错误：

我正在尝试调用scipy.optimize.minimize以最小化函数poissonNegLogLikelihood，该函数定义如下：

这个函数工作正常，但是当我尝试将它用作它的输入时，scipy.optimize.minimize它返回 [inf]。这就是我传递它的方式：

我是否使用了scipy.optimize.minimize错误的功能？

我对使用 SciPy 比较陌生；我目前正在使用它来最小化多层感知器模型的成本函数。我不能使用 scikit-learn，因为我需要能够设置系数（它们在 MLPClassifer 中是只读的）并向任何和所有参数添加随机排列和噪声。我还没有完成实现，但是我对最小化函数所需的参数感到困惑。

例如，我编写了一个函数来计算函数的“成本”（最小化能量），它同时计算梯度。这没什么特别的，因为它是常见的做法。然而，当调用 scipy.optimize.minimize 时，它​​要求两个不同的函数：一个返回要最小化的标量（即，在我的例子中的成本），另一个计算当前状态的梯度。例子：

除非我弄错了，否则它似乎需要调用我的函数两次，每次调用都需要指定返回成本或梯度，如下所示：

这不是浪费计算时间吗？我的数据集将有超过 100 万个样本和 10 个特征，因此减少冗余计算将是首选，因为我将为我的项目训练和重新训练这个东西数万次。

另一个混淆点是 args 输入。参数是否像这样传递：

或像这样：

提前致谢！

我正在尝试scipy.optimize.minimize对两列 pyspark 数据框使用函数。

在将x0参数作为数组传递给 Pandas UDF 函数时，我收到以下错误：

这是我试图最小化的功能

这是我的 neg_bin 函数：

这些是我的参数：

这是我试图调用scipy.optimize.minimize函数的地方。

我是 PySpark 的新手，我可以在 Pandas 中执行此操作，但现在我有一个庞大的数据集，而 Pandas 需要花费大量时间来处理它。

以下是预期的输出格式：这是我在 Pandas 中得到的输出

我无法将 theta 值传递给 neg_bin 函数。因为 neg_bin 函数只需要 pandas.Series 作为输入。如果可能的话，我正在寻找一种解决方法，将 theta 值作为标量连同 pandas.Series 作为输入发送到 neg_bin 函数。

任何帮助表示赞赏。TIA。

我有从 Python 中的 excel 读取的大数据表，我在其中执行一些计算，我的数据框看起来像这样，但我的真实表更大更复杂，但逻辑保持不变：

与：My_cal_spread=set1+set2 和 Errors = abs(My_cal_spread - spread)

我的目标是使用 Scipy Minimize 找到可以在每一行中使用的唯一相同的（Set1 和 Set 2）组合，因此 My_cal_spread 通过优化找到可能的最小错误总和来尽可能接近 Spread。

这是我在使用 excel 求解器时得到的解决方案，我正在寻找使用 Scipy 实现相同的解决方案。谢谢

我的代码如下所示：

我想使用数据集优化剂量反应曲线（4 参数逻辑）。我需要使用 Powell 算法，因此，我必须使用 optimize.minimize() 而不是 curve_fit 或最小二乘。我写了以下代码：

从理论上讲，这最小化了实验和理论数据集的 sse，该数据集迭代了最初使用 Powell 算法输入的 4 个参数。实际上，它不起作用：它开始了，最后一个错误，在一个相当长的列表中，是

关于如何编码的任何想法？

我有一个很大的 df，由每小时股价组成。我希望找到最佳的买入价和卖出价以最大化收益（收入 - 成本）。我不知道最大化买入/卖出价格是多少，因此我最初的猜测是在黑暗中疯狂地刺伤。

我尝试使用 Scipy 的“最小化”和“盆地跳跃”。当我运行脚本时，我似乎被困在当地的井中，结果几乎与我最初的猜测不同。

关于如何解决这个问题的任何想法？有没有更好的方法来编写代码，或者更好的方法来使用。

下面的示例代码

我想解决一个非线性规划问题。目标函数是非线性的，约束是线性的。给定一个向量α(dim is n*1)，我想找到另一个向量θ( dim also is n*1) 使 cos(α, θ) 最小化。同时θ也有一些限制。约束是A.dot(θ) < 0（零是列向量），dim 是m*n，m < n。

问题是，Given α(dim is n*1)，暗淡的是m*n，m < n

我尝试使用 scipy.optimize.minimize 来解决问题并输入约束。喜欢

方法的结果取决于初始值。我不知道如何得到一个合理的初始值，所以我设置的初始值是随机的。正如预期的那样，该方法给出了错误的结果，结果不符合约束条件。

我正在编写一个minimize()使用scipy.optimize. 该脚本运行良好，但速度相对较慢，我正在尝试弄清楚如何（a）找出时间花在哪里），以便我可以（b）加快速度。

我当前的“慢”基准我有一个实体数据集，其中每个实体包含约 5000 个样本（即，我需要minimize()5000 次/实体。我大约有 2000 个实体。我当前的运行时间在每个实体 35-45 秒之间变化，所以我正在查看 80k 秒（或 22.2 小时）的总运行时间。如果它只是一次性的，这会很好，但这需要测试多个模型等。所以我需要获得运行时间的方式下。

脚本的主要部分如下：

目前我正在for循环级别记录运行时间。然而，这并不能告诉我我的瓶颈可能在哪里。是在mineral_inversion()功能层面，还是在minimize()功能本身，等等。

问题：（1）我如何巧妙地记录执行时间以确定是否可以加快速度？（2）如果这实际上是“慢”或者我只是不合理并且有很多样本需要迭代，那么什么是公平的陈述方式？(3) 我是否有任何明显的不良做法/速度陷阱？