最小化一个函数的线性组合的数据与Scipy

Question

假设我有一个矩阵X，其中每一行代表一个时间序列。例如，X可能是一个大小为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，X中的每个时间序列都有一个标量。我想找到一个线性组合

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

对于某函数f有最小值

所以，我尝试了下面的

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。

然而，我得到了错误

ValueError: setting an array element with a sequence.

我想我的问题是相当普遍的一个，所以我希望有人能帮助!

Answer 1

像这样?

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)