Python：使用scipyoptimize minimize 不会最小化函数

Question

我是 Python 的新手，我试图弄清楚一切是如何工作的。 scipy.optimize 包的最小化功能有点问题。我尝试用一些起始值最小化给定函数，但 python 给了我非常高的参数值。这是我的简单代码：

import numpy as np
from scipy.optimize import minimize
global array
y_wert = np.array([1,2,3,4,5,6,7,8])
global x_wert
x_wert = np.array([1,2,3,4,5,6,7,8])
def Test(x):
    Summe = 0
    for i in range(0,len(y_wert)):
        Summe = Summe + (y_wert[i] - (x[0]*x_wert[i]+x[1]))
    return(Summe)
x_0 = [1,0]
xopt = minimize(Test,x_0, method='nelder-mead',options={'xatol': 1e-8, 'disp': True})
print(xopt)

如果我运行这个脚本最好给定的参数是：

[1.02325529e+44, 9.52347084e+40]

这确实没有解决这个问题。我也尝试了一些略有不同的起始值，但这并没有解决我的问题。谁能告诉我我的错误在哪里？非常感谢您的帮助！

Answer 1

你的测试函数实际上是一条负梯度的直线，所以没有最小值，它是一个无限递减的函数，这解释了你的大结果，尝试像 x 平方这样的东西来代替

Python：使用scipyoptimize minimize 不会最小化函数

Python: Using scipy optimize minimize does not minimize function

python

numpy

scipy

scipy-optimize-minimize