Python 将SciPy优化应用于拟合的sci套件模型
最近我遇到了一个问题,我认为SciPy可能是一个很好的解决方案。然而,我一直无法正确地应用它。不确定我是否遗漏了什么,或者我所寻找的东西是否真的根本不可能 这是一个虚构的例子,我这样做是为了让事情更清楚,更容易形象化。我的案子要复杂得多Python 将SciPy优化应用于拟合的sci套件模型,python,machine-learning,optimization,scipy,regression,Python,Machine Learning,Optimization,Scipy,Regression,最近我遇到了一个问题,我认为SciPy可能是一个很好的解决方案。然而,我一直无法正确地应用它。不确定我是否遗漏了什么,或者我所寻找的东西是否真的根本不可能 这是一个虚构的例子,我这样做是为了让事情更清楚,更容易形象化。我的案子要复杂得多 from sklearn.model_selection import train_test_split from sklearn.svm import SVR from scipy.optimize import minimize import numpy
from sklearn.model_selection import train_test_split
from sklearn.svm import SVR
from scipy.optimize import minimize
import numpy as np
import pandas as pd
time_studied = [12, 10, 4, 7, 6, 11, 6]
hours_slept = [8, 7, 1, 3, 8, 6, 5]
grade = [10, 9, 2, 5, 7, 8, 8.5, 6]
X = np.array([time_studied, hours_slept]).T
y = np.array([grade]).T
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
model = SVR(kernel='poly', C=100, gamma='auto', degree=3, epsilon=.1, coef0=1)
model.fit(X,y)
然后,我尝试对该函数应用一个优化器,以找到睡眠和学习之间的最佳平衡。由于经过测试的回归方法返回一个函数,因此我猜想可以应用SciPy最小化。但是,当我尝试应用它时,像这样的东西
bnds = [(0,12), (0,8)]
x0 = [0,0]
residual_plant = minimize(model, x0, method='SLSQP',bounds=bnds,options = {'eps': np.radians(5.0)})
我得到以下错误
TypeError: 'SVR' object is not callable
因此,显然可以直接从我的模型中调用优化器。因此,我的问题来了,如何访问适合我的数据的函数,并能够找到最佳睡眠时间+学习时间x等级(在这种情况下,很明显是预期结果)
我错过什么了吗?有可能实现我的目标吗?试试这个:
residual_plant=minimize(lambda x:model.predict(np.array([x])),x0,method='SLSQP',bounds=bnds,options={'eps':np.radians(5.0)})
SciPy的minimize
的第一个参数不仅仅是model.predict
,因为SciPy尝试将1D数组传递给其目标函数,而是model.predict
需要2D数组
(顺便说一句,在虚拟模型的训练设置中,y
是X
的第二列,而grades
列表从未使用过。我怀疑y
应该是np.array([grades])。T
。因为这不是你的真实模型,这可能并不重要。)
predict
方法的参考文档:
predict
方法的一个示例用法可以在这里找到:我不知道minimize到底做了什么。但是仅仅检查文档就发现它期望一个函数被优化。这里不是一个函数,而是一个SVR类的实例。你的更正是绝对正确的。刚刚修好了。