SciPy 优化器
SciPy 中的优化器
优化器是 SciPy 中定义的一组过程，它们可以找到函数的最小值或方程的根。
优化函数
本质上，机器学习中的所有算法都只是一个需要通过给定数据来最小化的复杂方程。
方程的根
NumPy 能够找到多项式和线性方程的根，但它无法找到非线性方程的根，例如这个方程：
x + cos(x)
为此，您可以使用 SciPy 的 optimize.root 函数。
此函数需要两个必需参数
fun - 表示方程的函数。
x0 - 根的初始猜测值。
该函数返回一个包含解决方案信息的对象。
实际解决方案在返回对象的 x 属性下给出
示例
求方程 x + cos(x) 的根
from scipy.optimize import root
from math import cos
def eqn(x)
return x + cos(x)
myroot = root(eqn, 0)
print(myroot.x)
自己动手试一试 »
注意：返回的对象包含有关解决方案的更多信息。
最小化函数
在此上下文中，函数表示一个曲线，曲线有高点和低点。
高点称为最大值。
低点称为最小值。
整个曲线的最高点称为全局最大值，而其余点称为局部最大值。
整个曲线的最低点称为全局最小值，而其余点称为局部最小值。
寻找最小值
我们可以使用 scipy.optimize.minimize() 函数来最小化函数。
minimize() 函数接受以下参数
fun - 表示方程的函数。
x0 - 根的初始猜测值。
method - 要使用的方法的名称。合法值
'CG'
'BFGS'
'Newton-CG'
'L-BFGS-B'
'TNC'
'COBYLA'
'SLSQP'
callback - 在每次优化迭代后调用的函数。
options - 定义额外参数的字典
{
"disp": boolean - 打印详细说明
"gtol": number - 误差容差
}
示例
使用 BFGS 最小化函数 x^2 + x + 2
from scipy.optimize import minimize
def eqn(x)
return x**2 + x + 2
mymin = minimize(eqn, 0, method='BFGS')
print(mymin)
自己动手试一试 »
