调用scipy优化函数时报错TypeError: ‘numpy.float64‘ object is not callable

问题描述：我构建了一个函数，用fmin_bfgs去优化。但是这个函数的返回值需要其他参量协作得到。
于是有两种方式，一种是调用外部的全局变量，which is不雅观，不符合本人习惯。
另一种是把参数传进去，which报了错。

上网上百度，看到了stackoverflow上的一个解答：

简单说，minimize函数的第一个位置应该是一个函数，like minimize(x +1, x=0)
只不过，编写程序的过程中，往往把x +1 封装成了函数，like rosen
所以，对函数的要求就是，返回值应该是一个函数，不是计算好的值。
这么说，可能还不好理解，以我的函数为例：

程序运行到result那一行时，要求skewer_loss是一个类似x+1的包含自变量的函数。
然而，我把各种参量都导进去了，loss可以计算出来，因此返回值是一个float。而不是一个包含未知自变量的函数。
所以会有报错：TypeError: ‘numpy.float64’ object is not callable。
试图修改：把需要迭代的自变量从函数中间去掉不就行了？这样的话，函数返回值是一个包含自变量的表达式。

然而，还是会有报错，因为函数需要的参量必须整整齐齐的。
所以这是一个死结，唯一的解决方案就是调用函数外的全局变量，或者说，在函数内部计算所需要的全局变量。就像Stack Overflow中解释的那样：

此外，值得一提的是，scipy中最优化函数minimize和fmin_bfgs的用法相似，功能也差不多，没有太大区别。
官网示例代码中，自变量是列表list格式，which is 不方便。我改成了np.array形式，也是可以用的！