今天小编就为大家分享一篇浅谈SciPy中的optimize.minimize实现受限优化问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

问题描述：有一批样本x，每个样本都有几个固定的标签，如（男，24岁，上海），需要从中抽取一批样本，使样本总的标签比例满足分布P(x)，如（男:女=49%:51%、20岁:30岁=9%:11%、……….） 采用KL-散度作为优化目标函数。 KL-散度又叫相对熵 KL-散度在机器学习中，P用来表示样本的真实分布，比如[1,0,0]表示当前样本属于第一类。Q用来表示模型所预测的分布，比如[0.7,0.2,0.1] KL-散度直观的理解就是如果用P来描述样本，那么就非常完美。而用Q来描述样本，虽然可以大