python - 使用 Scipy 最小化数据线性组合的函数

Question

假设我有一些矩阵 X，其中每一行代表一个时间序列。例如，X 可以是大小为 3 x 1000 的矩阵，这意味着有 3 个时间序列，每个时间序列由 1000 个时间点组成。除了 X 之外，我还有一个标量用于 X 中的每个时间序列。我想找到一个线性组合

a[0] * X[0, :] + a[1] * X[1, :] + ... + a[n-1] * X[n-1, :]

对于某些函数 F 具有最小值。

所以，我尝试了以下操作

import numpy as np
from scipy.optimization import minimize
def f(x):
    return 0 # for testing purposes
def obj(a,x):
    y = a*x
    return f(y)
minimize(obj, np.array([1,1]), args=np.array([[1,1],[2,2]]), method='nelder-mead')

所以第二个参数是初始猜测值 x0(系数 a)。 args 给出的数据应该映射到 x(如果我理解正确的话)并在优化过程中保持不变。

但是，我得到了错误

ValueError: setting an array element with a sequence.

我想我的问题很笼统，所以我希望有人能够提供帮助!

Answer 1

是这样的吗？

import scipy.optimize as opt

def f(val):
    return val**2

def obj(a, series):
    s = 0
    for row in series:
        for t in range(len(row)):
            s += f(a[t] * row[t])
    return s

ll_x = [[2, 3, 2, 6], [3, 5, 2, 7]]  # 2 series
l_a = [1 for _ in ll_x[0]]  # initial coeffs.

res = opt.minimize(obj, l_a, args=ll_x, method='nelder-mead')

for elem in sorted(res.items()):
    print(*elem)

(适用于 Python 3.4.3)