python lambda - 参数数量不匹配

Question

我正在尝试使用 Scipy 的 L-BFGS 实用程序最小化我的 objective 函数。我将 objective 函数及其梯度作为 lambda 表达式传递给 L-BFGS。我正像预期的那样传递 6 个参数。我无法弄清楚出了什么问题。我收到以下错误：

TypeError: <lambda>() takes exactly 6 arguments (5 given)

这是我的代码片段，即引发错误的具体行：

scipy.optimize.fmin_l_bfgs_b(func=lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.w_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S))

self.ExpectationReg_ObjectiveFunction 和 ExpectationReg_Gradient_event 是 class 中定义的函数，此 class 继承。

只是想知道 ExpectationReg_ObjectiveFunction 的外观：

def ExpectationReg_ObjectiveFunction(self,w_E,w_S,X_E,Y_E,U_E,U_S):
    return self.XR_OBJ(w_E,X_E,Y_E,U_E) + self.xr * self.KL_TERM(w_S,U_S) + self.l2 * np.dot(w_S.T, w_S)

编辑 1：这是完整的堆栈跟踪-

Traceback (most recent call last):
File "LR.py", line 216, in <module>
lr.Train()
File "LR.py", line 159, in Train
(self.wStar_E, self.nll, self.status) = scipy.optimize.fmin_l_bfgs_b(func=lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.w0_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S),maxiter=5)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 185, in fmin_l_bfgs_b
**opts)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 314, in _minimize_lbfgsb
f, g = func_and_grad(x)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 263, in func_and_grad
f = fun(x, *args)
TypeError: <lambda>() takes exactly 6 arguments (5 given)

编辑 2：当我将所有参数放入 args-

scipy.optimize.fmin_l_bfgs_b(func=lambda wStar_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.wStar_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S, self.w_E,self.w_S))

我收到以下错误：

TypeError: <lambda>() takes exactly 6 arguments (7 given)

编辑 3：

w_E = classifier weights for Event
w_S = classifier weights for Sentiment
X_E = Feature vector for training set of Event
Y_E = Labels Vector for event
U_E = Feature vector for unlabeled set of Event
U_S = Feature vector for unlabeled set of Sentiment

我正在尝试最小化 w_E 的 objective 函数。

Answer 1

来自 fmin_l_bfgs_b 的文档（您可以使用 fmin_l_bfgs_b? 从 IPython 控制台获取）：

Parameters
----------
func : callable f(x,*args)
    Function to minimise.

...

Returns
-------
x : array_like
    Estimated position of the minimum.

所以看起来 func 的签名需要有一个数组作为它的第一个条目，它告诉 scipy 它试图优化什么。在您的情况下，您似乎在尝试优化两者 w_E,w_S，因此您将不得不将它们一起视为单个权重向量，并将其传递给 func:

w := [w_E1,...,w_Em,w_S1...,w_Sn]

Answer 2

我自己解决了这个问题。我可能没有通过我的问题把情况说清楚。扑朔迷离，五花八门。

fmin_l_bfgs_b 将 func、fprime、x0 和 args 作为参数。 func 是要最小化的 objective 函数，fprime 是 objective 函数的梯度，x0 是初始权重向量，args 是参数列表。

本质上，

func(x,*args)

因此， args 是权重向量以外的参数列表（objective 函数将相对于其最小化）。

在我的问题中，有两个权重向量，我一次针对其中一个向量最小化了 objective 函数。所以 args 在我的例子中，也应该包含另一个权重向量（这不是我正在最小化 objective 函数的权重向量）。我错误地从 args .

中删除了它

当前的工作代码如下所示：

scipy.optimize.fmin_l_bfgs_b(func=ExpectationReg_ObjectiveFunction,x0=w_E, fprime = ExpectationReg_Gradient_event, args=(w_S,X_E,Y_E,U_E,U_S))

python lambda - 参数数量不匹配

python lambda - number of arguments mismatch

python

optimization

lambda

scipy