python – 当jac = False时,当jarobian没有被使用的近似值时,“
我正在使用scipy.optimize.minimize进行优化,并尝试使用以下方法:’Newton-CG’,’dogleg’和’trust-ncg’.据我所知,对于这些方法,需要一个目标函数的雅可比.但是,documentation建议如果将jac设置为False,则将以数字方式计算梯度.
所以我试图像这样调用函数: scipy.optimize.minimize(fun,x0,method='Newton-CG',jac=False,options={'disp':True} 当我调用它时,我收到以下错误消息: File "/usr/lib/python2.7/dist-packages/scipy/optimize/optimize.py",line 1351,in _minimize_newtoncg raise ValueError('Jacobian is required for Newton-CG method') 这是令人惊讶的,因为我认为我只是将其设置为False(如果jac设置为None,则此异常仅发生在* / optimize.py中).所以我进入/usr/lib/python2.7/dist-packages/scipy/optimize/optimize.py并查看函数 def _minimize_newtoncg(fun,args=(),jac=None,hess=None,hessp=None,callback=None,xtol=1e-5,eps=_epsilon,maxiter=None,disp=False,return_all=False,**unknown_options): 在这个函数的开头我写了以下print语句: print (jac) _check_unknown_options(unknown_options) print(jac) if jac is None: raise ValueError('Jacobian is required for Newton-CG method') 令人惊讶的是,“无”是打印而不是假!所以我看看调用函数,它位于/usr/lib/python2.7/dist-packages/scipy/optimize/_minimize.py中,我找到了将其设置为None的代码片段: if not callable(jac): if bool(jac): fun = MemoizeJac(fun) jac = fun.derivative else: jac = None 因此,为什么将jac设置为None是有道理的(尽管它似乎与文档不兼容,表明我将通过在原始函数调用中将jac设置为False来获得jacobian的数值近似). 我错过了什么?我是否有可能像上面用Scipy计算雅各比的数值近似来调用’Newton-CG’方法? 解决方法
根据我对SciPy的经验……
SciPy文档引用的数值近似是您在引用的代码中看到的“MemoizeJac”类.当没有提供“jac”时,记忆会自动发生.在Newton-CG函数的文档中,可能是一个错误,它告诉您将Jacobian设置为“False”. 只需设置jac = None或不为jac提供参数,渐变的数值近似将用于Newton-CG函数. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |