1、SciPy优化器
优化器是SciPy中定义的一组过程,它们可以找到函数的最小值或方程式的根。
2、优化函数
本质上,机器学习中的所有算法不过是一个复杂的方程式,需要借助给定的数据将其最小化。
3、方程的根
NumPy能够找到多项式和线性方程式的根,但无法找到非线性方程式的根,如下所示:
x + cos(x)
为此,可以使用SciPy的optimize.root函数。
此函数接受两个必需的参数:
fun-表示方程的函数。
x0-根的初始猜测。
该函数返回一个对象,其中包含有关解决方案的信息。
实际的解决方案在返回对象的属性x下给出:
例如:
找出等式的根x + cos(x):from scipy.optimize import root
from math import cos
def eqn(x):
return x + cos(x)
myroot = root(eqn, 0)
print(myroot.x)
注意:返回的对象具有有关解决方案的更多信息。
例如:
打印有关解决方案的所有信息(而不仅仅是根的x)print(myroot)
4、函数最小化
在此,函数代表曲线,曲线具有高点和低点。
高点称为最大值。
低点称为极小值。
整个曲线中的最高点称为全局最大值,而其余曲线称为局部最大值。
整个曲线的最低点称为全局最小值,