gpt4 book ai didi

python - 如何在sklearn高斯过程回归使用的优化函数中更改max_iter?

转载 作者:行者123 更新时间:2023-12-03 14:42:19 24 4
gpt4 key购买 nike

我正在使用 sklearn 的 GPR 库,但偶尔会遇到这个烦人的警告:

ConvergenceWarning: lbfgs failed to converge (status=2):
ABNORMAL_TERMINATION_IN_LNSRCH.

Increase the number of iterations (max_iter) or scale the data as shown in:
https://scikit-learn.org/stable/modules/preprocessing.html
_check_optimize_result("lbfgs", opt_res)

我不仅几乎找不到有关此警告的文档,而且 max_iter 根本不是 sklearn 的 GPR 模型中的参数。
我试图按照建议重新调整数据,但它没有用,坦率地说我不理解它(我还需要调整输出吗?同样,很少有文档)。

增加优化过程中的最大迭代次数是有道理的,但 sklearn 似乎没有办法做到这一点,这令人沮丧,因为他们建议这样做以响应此警告。

看着探地雷达 source code ,这就是 sklearn 调用优化器的方式,
 def _constrained_optimization(self, obj_func, initial_theta, bounds):
if self.optimizer == "fmin_l_bfgs_b":
opt_res = scipy.optimize.minimize(
obj_func, initial_theta, method="L-BFGS-B", jac=True,
bounds=bounds)
_check_optimize_result("lbfgs", opt_res)
theta_opt, func_min = opt_res.x, opt_res.fun
elif callable(self.optimizer):
theta_opt, func_min = \
self.optimizer(obj_func, initial_theta, bounds=bounds)
else:
raise ValueError("Unknown optimizer %s." % self.optimizer)

return theta_opt, func_min

哪里 scipy.optimize.minimize()有默认值
scipy.optimize.minimize(fun, x0, args=(), method='L-BFGS-B', jac=None, bounds=None, 
tol=None, callback=None, options={'disp': None, 'maxcor': 10, 'ftol': 2.220446049250313e-09,
'gtol': 1e-05, 'eps': 1e-08, 'maxfun': 15000, 'maxiter': 15000, 'iprint': -1, 'maxls': 20})

根据 scipy docs .

我想完全使用上面 GPR 源代码中所示的优化器, 但将 maxit 更改为更高的数字。 换句话说,除了通过增加最大迭代次数所做的更改之外,我不想更改优化器的行为。

挑战在于其他参数,如 obj_func, initial_theta, bounds在 GPR 源代码中设置,不能从 GPR 对象访问。

这就是我调用 GPR 的方式,请注意,除了 n_restarts_optimizer 和内核之外,这些参数大多是默认参数。
for kernel in kernels:
gp = gaussian_process.GaussianProcessRegressor(
kernel = kernel,
alpha = 1e-10,
copy_X_train = True,
optimizer = "fmin_l_bfgs_b",
n_restarts_optimizer= 25,
normalize_y = False,
random_state = None)

最佳答案

您想要扩展和/或修改现有 Python 对象的行为,这听起来像是继承的一个很好的用例。

一个解决方案可能是从 scikit-learn 实现继承,并确保使用您想要的参数调用通常的优化器。这是一个草图,但请注意,这未经测试。

from functools import partial
from sklearn.gaussian_process import GaussianProcessRegressor
import scipy.optimize

class MyGPR(GaussianProcessRegressor):
def __init__(self, *args, max_iter=15000, **kwargs):
super().__init__(*args, **kwargs)
self._max_iter = max_iter

def _constrained_optimization(self, obj_func, initial_theta, bounds):
def new_optimizer(obj_func, initial_theta, bounds):
return scipy.optimize.minimize(
obj_func,
initial_theta,
method="L-BFGS-B",
jac=True,
bounds=bounds,
max_iter=self._max_iter,
)
self.optimizer = new_optimizer
return super()._constrained_optimization(obj_func, initial_theta, bounds)

关于python - 如何在sklearn高斯过程回归使用的优化函数中更改max_iter?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62376164/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com