scipyを使用して1つのパラメータの制約で最小化

Question

私はscipy.minimize関数を使用しています。ここでは、1つのパラメータで2つの小数点以下のオプションのみを検索したいと考えています。

def cost(parameters,input,target): 
    from sklearn.metrics import mean_squared_error 
    output = self.model(parameters = parameters,input = input) 
    cost = mean_squared_error(target.flatten(), output.flatten()) 

    return cost 

parameters = [1, 1] # initial parameters 
res = minimize(fun=cost, x0=parameters,args=(input,target) 
model_parameters = res.x 

ここで、self.modelは、パラメータに基づいていくつかの行列操作を実行する関数です。入力とターゲットは2つの行列です。この関数は、パラメータ[1]に制約があることを除いて、私が望むやり方で機能します。理想的には、np.arange（0,10,0.01）のような数の少ない配列を与えたいと思います。これは可能ですか？

Answer 1

平滑度は、これらのオプティマイザの中核となる仮定の1つです。

いくつかの変数が離散的であり、一部が複雑でない問題は、混合整数最適化（MI-線形プログラミングではうまく働く、MI-凸型プログラミングでは問題ないがソルバーが良くない）またはグローバル最適化（通常は派生自由）を使用しています。ここで、これを最適化するための変数

内部ループのnp.arange(0,10,0.01)様固定用

• 外側のループ：

  は、あなたのタスクの詳細に応じて、私は問題を分解お勧めします変数は固定されています

• 最高の目的（ステータス=成功）のモデルを返します

これはNの内部最適化で有効です。ここでは、N=state-space of your to fix-varです。

あなたのタスク/データによっては、（NPのarangeを使用してのような）単調固定空間を横断するのは良い考えかもしれませんし、必要に応じi+1（潜在的に少ない反復の問題のための初期点として反復iのソリューションを使用推測が良いならば）。しかし、これはおそらくここでは関係ありません。次の部分をご覧ください。

実際に2つのパラメータが表示されている場合、この分解は1つの変数のみで内部問題につながります。次にminimizeを使用せず、minimize_scalarを使用してください（より速く、より堅牢で、初期点は必要ありません）。