在 jupyter notebook 下使用来自 scipy.optimize 的 fmin 进行数据拟合

Question

我正在尝试

使用 fmin 进行数据拟合
http://glowingpython.blogspot.ca/2011/05/curve-fitting-using-fmin.html

其中包含以下代码使用fmin：

# fitting the data with fmin
p0 = rand(3) # initial parameter value
p = fmin(e, p0, args=(x,y))

但是，当我尝试时出现以下错误：

TypeErrorTraceback (most recent call last)
<ipython-input-1-41b53befd463> in <module>()
     22 # fitting the data with fmin
     23 p0 = rand(3) # initial parameter value
---> 24 p = fmin(e, p0, args=(x,y))
     25 
     26 print 'estimater parameters: ', p

TypeError: 'args' is an invalid keyword to ufunc 'fmin'

当我查看文档 here 时，我确实看到 args 是一个有效的关键字。

更新:

我是运行 Python2.7 中的脚本，但出现了上述错误。在这里看到 Warren Weckesser 的回答是更新后的脚本：

from pylab import *
import numpy as np
from numpy.random import normal
from scipy.optimize import fmin

%pylab inline

# parametric function, x is the independent variable
# and c are the parameters.
# it's a polynomial of degree 2
fp = lambda c, x: c[0]+c[1]*x+c[2]*x*x
real_p = rand(3)

# error function to minimize
e = lambda p, x, y: (abs((fp(p,x)-y))).sum()

# generating data with noise
n = 30
x = linspace(0,1,n)
y = fp(real_p,x) + normal(0,0.05,n)

# fitting the data with fmin
p0 = rand(3) # initial parameter value
p = fmin(e, p0, args=(x,y))

print 'estimater parameters: ', p
print 'real parameters: ', real_p

xx = linspace(0,1,n*3)
plot(x,y,'bo', xx,fp(real_p,xx),'g', xx, fp(p,xx),'r')

show()

而且我仍然收到与上述完全相同的错误。

如何解决？谢谢。

Answer 1

如果您提供重现问题的minimal, complete and verifiable example，会更容易帮助您。没有那个，我们就得猜了。

在这种情况下，我的猜测是您实际上使用的是 numpy.fmin, not scipy.optimize.fmin。添加行

from scipy.optimize import fmin

在脚本的顶部。如果你正在做类似

from numpy import *

（与 glowingpython 处的代码相同），然后删除该行，然后使用

import numpy as np

并将 np. 前缀与您使用的所有 numpy 名称一起使用，或者仅显式导入您实际使用的 numpy 中的那些名称，例如

from numpy import array, linspace  # whatever you actually use
from numpy.random import rand      # etc.

使用 * 形式的 import 在脚本中是一种不好的做法，这正是您提出这个问题的原因。

但是，当您在 ipython 或 jupyter notebook 中进行交互式工作时，from pylab import * 之类的东西确实非常方便。为了避免 fmin 被 numpy 的 fmin 遮蔽的问题，你可以这样做：

from scipy import optimize

然后使用

调用fmin

p = optimize.fmin(e, p0, args=(x, y))

在 jupyter notebook 下使用来自 scipy.optimize 的 fmin 进行数据拟合

Data fitting using fmin from scipy.optimize under jupyter notebook

python

regression

scipy

python-2.7