scipy.optimize.minimize形状不匹配求助：(2,)与(2,5)无法广播

错误根源 #

报错ValueError: operands could not be broadcast together with shapes (2,) (2,5)的原因是矩阵运算维度不匹配：

• X是(2,5)的矩阵，w是(5,)的向量，使用@（矩阵乘法）得到的结果是(2,)的向量；
• 而y是(2,5)的矩阵，(2,)和(2,5)的形状无法直接进行减法运算，导致广播失败。

解决方案 #

根据你设置的初始参数(10,10,10,10,10,)（5维向量），推测你需要给每个特征分配一个权重，通过逐元素乘法让运算结果和y形状匹配。修改代码如下：

import numpy as np
from scipy.spatial import distance_matrix
from scipy.optimize import minimize

# Create the matrices
X = np.array([[1,2,3,4,5],[2,1,0,3,4]])
y = np.array([[0,0,0,0,1],[1,1,1,1,0]])

# Display the matrices
print("matrix x:\n", X)
print("matrix y:\n", y)

# compute the distance matrix
dist_mat = distance_matrix(X, y, p=2)

# display distance matrix
print("Distance Matrix:\n", dist_mat)

loss_res = lambda z: 0.5 * z ** 2 * (np.abs(z) <= 1) + (np.abs(z) - 0.5) * (np.abs(z) > 1)
# 核心修改：将矩阵乘法@改为逐元素乘法*，实现维度广播
f_to_optMin = lambda w: np.sum(loss_res(X * w.ravel() - y))

res= minimize(f_to_optMin, (10,10,10,10,10,))
print(res.x)

修改说明 #

• X * w.ravel()中，(5,)的w会被numpy自动广播为(2,5)的形状，和X逐元素相乘后得到(2,5)的矩阵，与y形状一致，可正常执行减法运算。
• 如果你的实际需求是矩阵乘法（比如X乘w得到(2,5)的结果），则需要将w的维度调整为(5,5)，同时修改初始参数和目标函数：

  # 目标函数调整为矩阵乘法
  f_to_optMin = lambda w: np.sum(loss_res(X @ w.reshape(5,5) - y))
  # 传入扁平化的5x5初始参数
  res= minimize(f_to_optMin, np.ones((5,5)).ravel())
  

内容的提问来源于stack exchange，提问作者JeeyCi