Skip to main content
 首页 » 编程设计

python之使用 SciPy 最小化估计逆 Hessian

2025年02月15日9bonelee

我正在使用 SciPy 的“最小化”函数来最小化函数。该函数返回最优值,以及估计的 Jacobian 矩阵和 Hessian 矩阵。如下:

fun: -675.09792378630596 
hess_inv: <8x8 LbfgsInvHessProduct with dtype=float64> 
jac: array([  6.34713615e-02,   1.15960574e-03,   1.63709046e-03, 2.16914486e-02,  -8.02970135e-02,  -4.39513315e-02, 
6.69160727e-02,  -5.68434189e-05]) 
message: b'CONVERGENCE: REL_REDUCTION_OF_F_<=_FACTR*EPSMCH' 
nfev: 684 
nit: 60 
status: 0 
success: True 
x: array([  9.93756778e-01,   3.51823214e+00,  -2.06368373e-01, 7.37395700e-04,   2.11222756e-02,   3.29367564e-02, 1.22886906e-01,  -2.75434386e-01]) 

我想要估计的 Hessian,但是当我得到它时返回 hess_inv,返回的只是

<8x8 LbfgsInvHessProduct with dtype=float64> 

而不是 maxtrix 本身。我如何让它返回矩阵?

请您参考如下方法:

来自SciPy documentation for the LbfgsInvHessProduct ;您可以使用方法 todense() 获取 LbfgsInvHessProduct 的值作为密集数组。

但是,请记住 LbfgsInvHessProduct 仍然是一个矩阵!它是一种特殊的内存优化格式,但您仍然可以调用其他矩阵函数,例如 matmat()、transpose()、dot() 等。