Python 超新星没有返回最佳结果

我使用hyperas优化函数，但它并没有返回最佳结果。在运行期间，打印输出内容如下

100%|██████████| 100/100 [7:01:47<00:00, 411.15s/it, best loss: 5.1005506645909895e-05]

这已经发生过好几次了，我不明白为什么。我写了一个重复的例子，我得到了同样的问题

def test_function():
    x={{uniform(-23,23)}}
    function=x**2+x

    return {'loss': function, 'status': STATUS_OK, 'model': function}

###just a dummy function to get the optimization to run, my real function uses real data
def data_example():
    print('skip')
    return [0,1,2]

trials=Trials()
#    trials=pickle.load(open(trials_file, "rb"))
print('started new set of optimization runs')

if __name__ == '__main__':
    best_run, best_model = optim.minimize(model=test_function,
                                          data=data_example,
                                          algo=tpe.suggest,
                                          trials=trials,
                                          max_evals=100)

print(best_run)    

上次我运行这个时，状态栏显示

100%|██████████| 100/100 [00:00<00:00, 498.77it/s, best loss: -0.24773021221244024]

---

为什么我的

最佳运行

结果与优化运行中的最小损失不一致？

您是否认为

最佳运行

和

最佳损失

不是一回事

---

best_run

返回您的损失的argmin，对于

f（x）=x**2+x

来说，它实际上是

x=-1/2

，而

best loss

返回它的最小值，即

f（-1/2）=-1/4
哇，这绝对是我示例代码中的一个疏忽。我认为best_run实际上会将输入值返回给函数，但这仍然是问题所在。我想我仍然有一个问题，我的真实例子，虽然。让我检查我的代码，我没有看到相同的问题。不知道发生了什么。谢谢你的回答，确实帮助我发现了这个问题，但是现在你已经证明了我的示例代码是有效的，我想这是我自己的代码中的一些东西。如果你能提供更多关于你的模型的信息，你的真实示例，我也许可以帮助你。现在，我看不出有什么问题。您是否有可能对NNs进行超参数调整？没有，我正在构建一个叠加xgboost模型，该模型结合了几种不同类型的模型。我意识到正在发生的事情是optim.minimize的输出给了我运行的最后一个输出，而不是性能最好的输出。我不知道该怎么办
100%|██████████| 100/100 [00:00<00:00, 498.77it/s, best loss: -0.24773021221244024]

{'x': -0.5476422899067598}