scipy.minimize调用自定义函数提示缺失3个位置参数如何解决？

scipy.optimize.minimize 对传入的目标函数有固定的参数约定：迭代过程中的待优化参数会作为第一个参数传入目标函数，且传入格式是一维数组。你当前定义的approximate把待优化的a、b、c、d拆成了4个独立的入参，和接口要求不匹配，同时args传入的参数顺序也和函数定义的剩余参数对不上，才会触发参数缺失的报错。

两种常用的修改方案，按需选择即可：

方案1：调整目标函数参数结构（推荐） #

统一按scipy的接口规范调整误差函数的入参顺序，可读性和可维护性更高：

import numpy as np
from scipy.optimize import minimize

def rational(a, b, c, d, x):
    return (a * x + b) / (x ** 2 + c * x + d)

# 第一个参数接收待优化的参数数组，内部再拆包
def approximate(params, x, y, func):
    a, b, c, d = params
    return np.sum((func(a, b, c, d, x) - y) ** 2)

# 调用时参数顺序完全匹配，无报错
res = minimize(approximate, x0=(0, 0, 0, 0), args=(X, Y, rational,), method='Nelder-Mead')

方案2：用匿名函数做参数适配（无需修改原函数） #

如果不想改动原有approximate的函数定义，可以在调用时用lambda做一层参数转换：

# 原有函数定义保持不变
def approximate(a, b, c, d, x, y, func):
    return np.sum((func(a, b, c, d, x) - y) ** 2)

# 用lambda把参数数组拆成多个独立参数传入原函数
res = minimize(lambda params, x, y, func: approximate(*params, x, y, func),
               x0=(0, 0, 0, 0), args=(X, Y, rational,), method='Nelder-Mead')

• 所有传入scipy优化器的目标函数，都统一将待优化参数放在第一个入参位，用一维数组接收，内部再拆分为对应变量，完全适配官方接口规范，避免参数匹配问题
• 拟合用的样本数据、固定计算逻辑等非优化参数，统一通过args参数传递，不要硬编码到目标函数内部，提高函数复用性
• 有理函数这类涉及除法的拟合场景，建议给分母加极小常数（比如1e-12）避免迭代过程中出现除0的数值错误，比如rational函数可以修改为：

  def rational(a, b, c, d, x):
      return (a * x + b) / (x ** 2 + c * x + d + 1e-12)
  

• 如果拟合效果不佳，可以尝试更换更适合连续优化的算法（比如L-BFGS-B），有参数范围约束的话直接通过minimize的bounds参数传入即可。

内容的提问来源于stack exchange，提问作者AAYamoldin