我想問一下如何用scipy最小化中的優(yōu)化方法來最小化一個(gè)函數(shù)（平方誤差的總和）。我試過了，但似乎我做得不好，因?yàn)殄e(cuò)誤和參數(shù)沒有從初始值改變。這是我的代碼：def objective(p, y):    y = np.array([98.494500, 97.828500, 97.610000, 97.314000, 97.014500, 92.959000, 96.696222])    p = beta0, beta1, beta2, beta3, tau1, tau2    return  (((100 * DiscountFactor('rate',np.exp(p[0] + (p[1]+ p[2]) * (1 - np.exp(-yearfractionTenors()/p[4])) * p[4]/yearfractionTenors() - p[2] * np.exp(-yearfractionTenors()/p[4]) + p[3] * (1 - np.exp(-yearfractionTenors()/p[5])) * p[5] / yearfractionTenors() - p[3] * np.exp(-yearfractionTenors() / p[5])) -1, fecha_valoracion, maturity, composition= 'linear', basis= 'act/360').result) - y) ** 2).sum()x0 = np.array([0.03, -0.03, 0, 0, 1, 1]) #Initial values of beta0, beta1, beta2, beta3, tau1 and tau2res = optimize.minimize(objective, x0, args = y)print(res)output: fun: 64.30571361326217hess_inv: array([[1, 0, 0, 0, 0, 0],   [0, 1, 0, 0, 0, 0],   [0, 0, 1, 0, 0, 0],   [0, 0, 0, 1, 0, 0],   [0, 0, 0, 0, 1, 0],   [0, 0, 0, 0, 0, 1]])  jac: array([0., 0., 0., 0., 0., 0.])  message: 'Optimization terminated successfully.'  nfev: 8  nit: 0  njev: 1 status: 0 success: True    x: array([ 0.03, -0.03,  0.  ,  0.  ,  1.  ,  1.  ])我的錯(cuò)誤似乎是我沒有以好的方式使用輸入值（初始值）。我想知道是否有人可以幫助我解決這個(gè)問題。