我使用 scipy.optimize.minimize
函数。
我的目的是获取 w,z
最小化 f(w,z)
w
和 z
都是 n 乘 m 矩阵:
[[1,1,1,1],
[2,2,2,2]]
f(w,z)是接收参数w和z。
我已经尝试过下面给出的表格:
def f(x):
w = x[0]
z = x[1]
...
minimize(f, [w,z])
但是,最小化效果不佳。
将两个矩阵(n 乘以 m)放入 scipy.optimize.minimize
的有效形式是什么?
最佳答案
Optimize 需要一个一维向量来优化。你走在正确的轨道上。您需要将您的参数扁平化为最小化
,然后在f
中,从x = np.reshape(x, (2, m, n))
,然后拉出 w
和 z
,您应该开始工作了。
我以前遇到过这个问题。例如,同时优化多个不同类中的部分向量。我通常会得到一个将事物映射到一维向量的函数,然后是另一个将数据拉回到对象中的函数,这样我就可以评估成本函数。如:
def toVector(w, z):
assert w.shape == (2, 4)
assert z.shape == (2, 4)
return np.hstack([w.flatten(), z.flatten()])
def toWZ(vec):
assert vec.shape == (2*2*4,)
return vec[:2*4].reshape(2,4), vec[2*4:].reshape(2,4)
def doOptimization(f_of_w_z, w0, z0):
def f(x):
w, z = toWZ(x)
return f_of_w_z(w, z)
result = minimize(f, toVec(w0, z0))
# Different optimize functions return their
# vector result differently. In this case it's result.x:
result.x = toWZ(result.x)
return result
关于python - 如何将 2 矩阵放入 scipy.optimize.minimize?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31292374/