如何解决有没有办法用固定步长优化函数阈值?
如何优化具有固定步长的函数?我开发了一个具有五个阈值的函数作为我想要优化的入口。我实际上尝试使用不同的求解器优化它们,但是求解器所采取的步骤非常小,以至于函数永远不会收敛到一个好的解决方案中。
定义的阈值从 0 到 1 不等,我希望它们的步长为 0.01。例如,在 threshold_0 的情况下,我希望它从初始猜测 0.6 变化到 0.61 或 0.59 等,具体取决于错误结果。
from scipy import optimize
initial_guess = [0.6,0.3,0.6,0.5,0.5]
def get_sobel3d_accuracy_from_thresholds(thresholds,array_dicts,ponderation_dict):
...
return error
result = optimize.minimize(
get_sobel3d_accuracy_from_thresholds,# function to optimize
initial_guess,args=(array_dicts,ponderation_dict),# extra fixed args
method='nelder-mead',options={'xatol': 1e-8,'disp': True})
我想得到的是一个最小化从函数 get_sobel3d_accuracy_from_thresholds
返回的错误的解决方案,如下所示:
optimized_thresholds = [0.61,0.81,0.52,0.44]
我也想固定阈值从 0 到 1 的边界,但我认为它只能通过一些求解器来完成,对吗?
bounds = [(0,1) for n in range(0,5)]
谢谢大家。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。