Python правильное использование scipy.optimize.minimize

Question

Я пытаюсь выполнить минимизацию следующей функции:

def mvqr(P, y, x, c): 
    s = 0 
    for i in xrange(1, len(y)): 
     summation = numpy.linalg.norm(numpy.dot(numpy.linalg.inv(P), (y[i,:] - numpy.dot(beta, x[i,:])))) + numpy.dot(numpy.dot(c.T, linalg.inv(P)), (y[i,:] - numpy.dot(beta, x[i,:]))) 
     s = s + summation 
    return s 

это есть линии основного файла:

fun = lambda beta: mvqr(E, Y_x, X_x, v) 
result = minimize(fun, beta0, method = 'BFGS') 

бета является неизвестность переменная функции mvqr() и beta0 - это начальная догадка, массив (2,2), который я ранее вычислил.

я получил ошибку:

NameError: global name 'beta' is not defined.

Для кого интересует, был ли файл функции mvqr() уже размещен в папке пакетов python, ответ таков: yes, it has.

Я думаю, проблема в beta в функции mvqr() и использование функции lambda.

Любая помощь?

EDIT

Благодаря ру. код теперь компилируется без ошибок, но при выполнении минимизации не повторяется, так как вывод функции minimize отображает сообщение 'Optimization terminated successfully.', но просто не выполняет итерацию и возвращает исходное предположение.

status: 0 
success: True 
    njev: 1 
    nfev: 6 
hess_inv: array([[1, 0, 0, 0], 
       [0, 1, 0, 0], 
       [0, 0, 1, 0], 
       [0, 0, 0, 1]]) 
    fun: 1.2471261924040662e+31 
     x: array([ 3.44860608e+13, -4.10768809e-02, -1.42222910e+15, 
        -1.22803296e+00]) 
message: 'Optimization terminated successfully.' 
    jac: array([ 0., 0., 0., 0.]) 

Я также попытался с scipy.optimize.fmin_bfgs, но результат довольно то же самое:

Optimization terminated successfully. 
Current function value: 937385449919245008057547138533569682802290504082509386481664.000000 
      Iterations: 0 
    Function evaluations: 6 
    Gradient evaluations: 1 

Это может быть, к сожалению, beta0 является локальным минимумом или однако стационарная точка, как имеет место jac == [0, 0, 0, 0] и, следовательно, алгоритм заканчивается, но мне кажется странным, что первоначальное предположение - это минимум функции (даже если она локальная). Кто-нибудь знает, как этого избежать?

Любая помощь будет оценена по достоинству.

Answer 1

Изменить определение для def mvqr(beta, P, y, x, c): и делать fun = lambda beta: mvqr(beta.reshape(2,2), E, Y_x, X_x, v) и minimize(fun, beta0.ravel()), если вы хотите, чтобы оптимизировать стоимость beta, которая является матрицей 2х2.

После этого подумайте о том, чтобы прочитать учебник по Python, особенно. по глобальным и локальным переменным.