在scipy最小化期間​​打印當前評估參數

Question

我想盡量減少使用scipy.optimize.minimize在Python中的函數，以確定四個不同的參數。

我想在優化算法的每一步打印當前評估的參數，所以我可以使用它們來使我的初步猜測更好。

我該怎麼做？

Answer 1

使用callback關鍵字參數。

scipy.optimize.minimize可以採用關鍵字參數callback。這應該是一個接受參數當前向量作爲輸入的函數。這個函數在每次迭代之後調用。

例如，

from scipy.optimize import minimize 

def objective_function(xs): 
    """ Function to optimize. """ 
    x, y = xs 
    return (x-1)**2 + (y-2)**4 

def print_callback(xs): 
    """ 
    Callback called after every iteration. 

    xs is the estimated location of the optimum. 
    """ 
    print xs 

minimize(objective_function, x0 = (0., 0.), callback=print_callback) 

通常情況下，一個人想保留不同調用回調，如之間的信息，例如，迭代次數。要做到這一點的方法之一是使用閉包：

def generate_print_callback(): 
    """ 
    Generate a callback that prints 

     iteration number | parameter values | objective function 

    every tenth iteration. 
    """ 
    saved_params = { "iteration_number" : 0 } 
    def print_callback(xs): 
     if saved_params["iteration_number"] % 10 == 0: 
      print "{:3} | {} | {}".format(
       saved_params["iteration_number"], xs, objective_function(xs)) 
     saved_params["iteration_number"] += 1 
    return print_callback 

調用具有最小化功能：

minimize(objective_function, x0 = (0., 0.), callback=generate_print_callback())