我想尽量减少使用Scipy的L-BFGS实用程序的目标函数。我将我的目标函数和梯度传递给L-BFGS作为lambda表达式。我准确地传递了它所期望的6个参数。我无法弄清楚什么是错的。我得到以下错误:python lambda - 参数数量不匹配
TypeError: <lambda>() takes exactly 6 arguments (5 given)
这里是我的代码片段,抛出该错误的具体线路:
scipy.optimize.fmin_l_bfgs_b(func=lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.w_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S))
self.ExpectationReg_ObjectiveFunction和ExpectationReg_Gradient_event在类中定义的函数,这个类继承。
只给一个想法ExpectationReg_ObjectiveFunction的样子:
def ExpectationReg_ObjectiveFunction(self,w_E,w_S,X_E,Y_E,U_E,U_S):
return self.XR_OBJ(w_E,X_E,Y_E,U_E) + self.xr * self.KL_TERM(w_S,U_S) + self.l2 * np.dot(w_S.T, w_S)
编辑1:这里是完整的堆栈trace-
Traceback (most recent call last):
File "LR.py", line 216, in <module>
lr.Train()
File "LR.py", line 159, in Train
(self.wStar_E, self.nll, self.status) = scipy.optimize.fmin_l_bfgs_b(func=lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.w0_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S),maxiter=5)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 185, in fmin_l_bfgs_b
**opts)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 314, in _minimize_lbfgsb
f, g = func_and_grad(x)
File "/usr/lib/python2.7/dist-packages/scipy/optimize/lbfgsb.py", line 263, in func_and_grad
f = fun(x, *args)
TypeError: <lambda>() takes exactly 6 arguments (5 given)
编辑2:当我把所有的论点args-
scipy.optimize.fmin_l_bfgs_b(func=lambda wStar_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_ObjectiveFunction(w_E,w_S,X_E,Y_E,U_E,U_S), x0=self.wStar_E, fprime = lambda w_E,w_S,X_E,Y_E,U_E,U_S: self.ExpectationReg_Gradient_event(w_E,w_S,X_E,Y_E,U_E,U_S), args = (self.X_E, self.Y_E, self.U_E, self.U_S, self.w_E,self.w_S))
我收到以下错误:
TypeError: <lambda>() takes exactly 6 arguments (7 given)
编辑3:
我试图尽量减少对于w_E
目标函数。
一个非常优雅的单行:)。您可能需要添加完整的堆栈跟踪并为我们创建一个可重复的示例。你的代码是很难调试的。 – cel
如果您将lambda更改为实际函数,即使只是暂时性的,也许您的代码更易于调试。因为它全部被压扁并且很难理解。曾经想过给论点赋予更多有意义的名字吗? –
其实这些变量对我来说很有意义,因为我在解决目标函数后直接将它们放入代码中。但我知道这对其他人来说是压倒性的。 w是权重向量。 X是特征向量,Y是标签向量。相当标准的东西。 E代表事件,S代表情绪 - 我想共同模拟的两件事情。 –