我第一次使用Scikit-learn的Gaussian Processes回归,我想使用scipy.optimize外部优化器:
scipy.optimize
gp = GaussianProcessRegressor(kernel=kernel, alpha=0.015, normalize_y=True, optimizer= EXT_OPT).
字符串使用外部优化库的正确方法是什么?
os8fio9y1#
事实上我自己发现的。这是很容易的如下:
def optimizer(obj_func, initial_theta, bounds): optimResult = scipy.optimize.minimize(obj_func, initial_theta, method='L-BFGS-B', jac=False) theta_opt = optimResult.x0 func_min = optimResult.fun return theta_opt, func_min
字符串或
def optimizer(obj_func, initial_theta, bounds): theta_opt, func_min, _ = opt.fmin_l_bfgs_b(obj_func, initial_theta, bounds=bounds) return theta_opt, func_min
gp = GaussianProcessRegressor(kernel=kernel, alpha=0.015, normalize_y=True, optimizer=optimizer)
的数据
1条答案
按热度按时间os8fio9y1#
事实上我自己发现的。这是很容易的如下:
字符串
或
的数据