python - scipy.optimize.fmin_bfgsの正しい使用法

Question

Pythonでロジスティック回帰を試しています。最急降下法を介してコスト関数の最小化が行われるバージョンを実装しました。次に、scipy（ scipy.optimize.fmin_bfgs ）のBFGSアルゴリズムを使用したいと思います。

データのセットがあります（行列Xの特徴、Xのすべての行に1つのサンプル、垂直ベクトルyの対応するラベル）。最小化するパラメータシータを見つけようとしています：

fmin_bfgsが正確にどのように機能するかを理解するのに苦労しています。私がそれを得る限り、私は最小化される関数とシータの初期値のセットを渡さなければなりません。

私は次のことをします：

initial_values = numpy.zeros((len(X[0]), 1))
myargs = (X, y)
theta = scipy.optimize.fmin_bfgs(computeCost, x0=initial_values, args=myargs)

ここで、computeCostは上記のようにJ（Thetas）を計算します。しかし、インデックス関連のエラーが発生するため、fmin_bfgsが期待するものを提供していないと思います。

誰かがこれに光を当てることができますか？

Answer 1

時間を無駄にした後、投稿の力で再び解決しました...私はcomputeCost（X、y、Thetas）を定義していましたが、Thetasは最適化のターゲットパラメーターであるため、署名の最初のパラメーターである必要があります。修正して動作します！

Answer 2

私はあなたのコード全体を知りませんが、あなたは試しましたか

initial_values = numpy.zeros(len(X[0])) 

？このx0は1次元のベクトルでなければならないと思います。