Scipy fmin参数传递问题排查及学生方案差异解析

1. 你的代码无法正常运行的原因 #

你的代码存在三处核心错误：

• 目标函数返回值错误：你的LogL函数返回的是长度与data一致的数组（因normalpdf处理数组输入后输出数组，np.log保留了数组结构），但fmin要求目标函数必须返回单个标量值，这直接导致后续优化逻辑报错。同时你定义的Logln=0累加逻辑完全无效，没有实现对数似然的求和需求。
• 初始值设置错误：你要估计的是两个参数（均值mu和标准差sigma），但初始值x0=1是单个数值，与待优化参数数量不匹配，fmin无法基于此迭代更新参数向量。
• 参数传递逻辑混乱：
  • 你将函数vect_q直接赋值给q而非调用函数（正确应为q=vect_q()），导致q[0]触发“函数不可下标”的错误。
  • 错误使用args参数：fmin的args用于传递固定不变的额外参数，而你的LogL仅接收待优化的参数向量，不需要额外固定参数，因此所有带args的调用都是冗余且错误的。

错误示例代码：

# 返回数组而非标量，不符合fmin要求
def LogL(q):
    return Logln + (- np.log(normalpdf(data,q[0],q[1])))

2. 同学的LogL函数为何返回数值而非函数 #

同学的LogL函数通过np.sum()将样本的对数概率密度数组求和，转换为单个标量值：

def LogL(q):
    return -np.sum(np.log(normalpdf(data, q[0],q[1])))

根据最大似然估计的定义，对数似然是所有样本对数概率的总和，必须转换为标量才能让优化算法判断“当前参数的优劣”——fmin需要一个数值来衡量参数对应的目标函数值，进而迭代寻找最小值。

3. 同学的方案能成功求得最小值的原因 #

同学的代码完全契合fmin的运行逻辑：

• 目标函数符合要求：LogL(q)接收长度为2的参数向量q（q[0]对应mu，q[1]对应sigma），返回单个标量形式的负对数似然值。最大化似然等价于最小化负对数似然，目标函数定义正确。
• 初始值匹配参数数量：初始值[MU, SIGMA]是长度为2的列表，与待优化的参数数量一致，为fmin提供了合理的迭代起点。
• 参数传递逻辑正确：fmin会自动将初始参数向量传入LogL，迭代更新向量中的值，直到找到使目标函数最小的参数组合，无需额外传递args参数，所有待优化参数已包含在q中。

可行代码示例 #

import numpy as np
from scipy.optimize import fmin

MU = 1.3
SIGMA = 4.5
N = 1000
data = np.random.normal(MU, SIGMA, N)

def normalpdf(x,mu,sigma): 
    return ((1/(sigma*np.sqrt(2*np.pi)))*(np.exp(-(((x-mu)**2))/(2*sigma**2))))

def LogL(q):
    return -np.sum(np.log(normalpdf(data, q[0], q[1])))

# 调用fmin，初始值为真实参数的初始猜测
minimum = fmin(LogL, [MU, SIGMA])
print("估计的参数：", minimum)

内容的提问来源于stack exchange，提问作者Sarawara