是否可以根据损失函数停止scipy.optimize.curve_fit？
是否可以根据损失函数停止scipy.optimize.curve_fit？
提问于 2021-07-06 14:45:49
我正在尝试最小化两个有界函数之间的均方误差，curve_fit做得很好，但当两个函数之间的均方误差小于0.1时，我想停止计算。下面是一个简单的示例代码
import numpy as np
from scipy import optimize, integrate
def sir_model(y, x, beta, gamma):
sus = -beta * y[0] * y[1] / N
rec = gamma * y[1]
inf = -(sus + rec)
return sus, inf, rec
def fit_odeint(x, beta, gamma):
return integrate.odeint(sir_model, (sus0, inf0, rec0), x, args=(beta, gamma))[:,1]
population = float(1000)
xdata = np.arange(0,335,dtype = float)
upper_bounds = np.array([1,0.7])
N = population
inf0 = 10
sus0 = N - inf0
rec0 = 0.0
#curve to approximate
ydata = fit_odeint(xdata, beta = 0.258, gamma = 0.612)
popt, pcov = optimize.curve_fit(fit_odeint, xdata, ydata,bounds=(0, upper_bounds))问题是，真正的问题更难解决。所以我想用一个固定的容差(mse = 0.1)来停止函数curve_fit。我尝试使用ftol，但它似乎不起作用。
回答 1
Stack Overflow用户
发布于 2021-07-07 15:13:53
如果我理解正确的话，您希望在底层最小二乘优化问题的目标是<= 0.1时立即终止优化。不幸的是，curve_fit和least_squares都不支持对象值的回调或容差。然而，scipy.optimize.minimize做到了。因此，让我们使用它。
为此，我们必须将您的曲线拟合问题表示为最小化问题：
min ||ydata - fit_odeint(xdata, *coeffs)||**2
s.t. lb <= coeffs <= ub然后，我们通过minimize解决这个问题，并使用一个回调函数，在目标函数值为<= 0.1时立即终止算法：
from scipy.optimize import minimize
from numpy.linalg import norm
# the objective function
def obj(coeffs):
return norm(ydata - fit_odeint(xdata, *coeffs))**2
# bounds
bnds = [(0, 1), (0, 0.7)]
# initial point
x0 = np.zeros(2)
# xk is the current parameter vector and state is an OptimizeResult object
def my_callback(xk, state):
if state.fun <= 0.1:
return True
# call the solver (res.x contains your coefficients)
res = minimize(obj, x0=x0, bounds=bnds, method="trust-constr", callback=my_callback)这给了我：
barrier_parameter: 0.1
barrier_tolerance: 0.1
cg_niter: 3
cg_stop_cond: 4
constr: [array([0.08205584, 0.44233162])]
constr_nfev: [0]
constr_nhev: [0]
constr_njev: [0]
constr_penalty: 1635226.9491785716
constr_violation: 0.0
execution_time: 0.09222197532653809
fun: 0.007733264340965375
grad: array([-3.99185467, 4.04015523])
jac: [<2x2 sparse matrix of type '<class 'numpy.float64'>'
with 2 stored elements in Compressed Sparse Row format>]
lagrangian_grad: array([-0.03385145, 0.19847042])
message: '`callback` function requested termination.'
method: 'tr_interior_point'
nfev: 12
nhev: 0
nit: 4
niter: 4
njev: 4
optimality: 0.1984704226037759
status: 3
success: False
tr_radius: 7.0
v: [array([ 3.95800322, -3.8416848 ])]
x: array([0.08205584, 0.44233162])请注意，回调的签名只对'trust-constr‘方法有效，对于其他方法，签名是callback(xk) -> bool，即您需要在回调中自己计算目标函数值。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68265753
复制相关文章
相似问题
腾讯云开发者
