Python 3.x Python pwlf（分段线性函数）为相同的数据提供不同的结果

这是我的数据：

x
array([  0,   7,  14,  21,  28,  35,  42,  49,  56,  63,  70,  77,  84,
        91,  98, 105, 112, 119, 126, 133, 140, 147, 154, 161, 168, 175])

y
array([0.4 , 0.4 , 0.4 , 0.4 , 0.6 , 0.6 , 0.6 , 0.6 , 0.6 , 0.97, 0.97,
       0.97, 0.97, 1.13, 1.13, 1.13, 1.13, 1.13, 0.9 , 0.9 , 0.9 , 0.9 ,
       0.7 , 0.7 , 0.7 , 0.7 ])

我应用了

pwlf

——但每次执行此代码时，我都会得到不同的

fit\u中断

：

pwlf_model = pwlf.PiecewiseLinFit(x, y ,degree=1)
pwlf_model.fit(4)

首轮

pwlf_model.fit_breaks
array([  0.        ,  58.01861485,  60.07425168, 104.30868782,
       175.        ])

第二轮

pwlf_model.fit_breaks
array([  0.        ,  59.48475228,  59.67460644, 104.30594173,
       175.        ])

第三轮

pwlf_model.fit_breaks
array([  0.        ,  56.60204   ,  62.0270283 , 104.30827438,
       175.        ])

第四轮

pwlf_model.fit_breaks
array([  0.        ,  58.92722066,  59.50363949, 104.30764284,
       175.        ])

为什么呢？模型中有随机步骤吗？

---

[1] ：

看起来用于拟合的方法是随机的。从中，fit调用函数

scipy.optimize.differential\u evolution

。该函数的定义是将其描述为确定函数全局最小值的随机方法

---

似乎在pwlf使用默认设置的情况下，它并没有完全收敛，或者至少每次都从不同的方向接近收敛。您可能能够编辑关键字，以便优化将对真正的最小值进行更严格的搜索。例如，

atol

设置收敛的绝对容差。您还将

seed

设置为一致的值，以便每次至少获得相同的结果，即使它可能没有找到“真”最小值。请注意，如果您更改了其中一个关键字，则需要明确写出所有其他关键字，因为传递到

fit

的

**kwargs

似乎覆盖了将传递到

differential\u evolution

的默认值感谢您的明确解释，我将尝试不同的选项