python - 如何使用scipy的leastsq来求解数组？

Question

我们是否可以使用Scipy的leastsq求解器(或python中的任何其他函数)来查找数组而不是向量？

基本上，我想找到最小化函数 my_func 的 C。我认为一种方法是将 C 转换为向量并重写函数 my_func 以使未知数成为向量。但是，还有更好的办法吗？

import numpy as np
from scipy.optimize import leastsq


def my_func(C, x, y):
    return y - C.dot(x)


x_data = np.array([2, 3, 4])
y_data = np.array([20, 30])

starting_guess = np.ones((2, 3))
data = (x_data, y_data)


result = leastsq(my_func, starting_guess, args=data)
print result

solution = result[0]
print solution

Answer 1

您可以使用 numpy 库中的 flatten() 和 reshape() 在一维和二维数组之间来回切换。至于最小化本身，我建议scipy.optimize.minimize()。

请注意，两个向量之间的差异是一个向量(我在这里指的是v = y - C.x)，因此您需要范数将其转换为可以最小化的指标。下面，您可以找到有关如何编写此代码的一个很好的示例:

import numpy as np
from scipy.optimize import minimize


def my_func(C_flat, x, y):
    # print(np.linalg.norm(y - np.dot(C_flat.reshape(2, 3), x), 2))
    return np.linalg.norm(y - np.dot(C_flat.reshape(2, 3), x), 2)

x_data = np.array([2, 3, 4])
y_data = np.array([20, 30])

C0   = np.ones((2, 3))
data = (x_data, y_data)

result = minimize(my_func,  C0.flatten(), args = data)
print(result)

solution = result["x"].reshape(2,3)
print(solution)