Skip to main content
 首页 » 编程设计

python之"scipy.optimize.minimize"如何强制系数不为零

2024年11月24日21mengfanrong

我正在尝试拟合函数 p,它取决于两个变量 x、T。 p、T、x 的数据是通过带有 pandas 的 excel 表提供的。以下代码运行良好。

import pandas as pd 
import os 
from scipy.optimize import minimize 
import numpy as np 
 
df = pd.read_excel(os.path.join(os.path.dirname(__file__), "./DataTest.xlsx")) 
df = df.sort_values('x') 
 
T = np.array(df['T'], dtype=float) 
x = np.array(df['x'], dtype=float) 
p = np.array(df['p'], dtype=float) 
p0 = 67.17 
 
def cav2(pars, T, x): # function p(T,x) 
    a,b,c,d,e,f = pars 
    return x * p0 + x * (1 - x) * (a + b * T + c * T ** 2 + d * x + e * x * T + f * x * T ** 2) * p0 
 
def resid(pars, T, x): 
    return ((p - cav2(pars, T, x)) ** 2).sum() 
 
def constr(pars): 
    return np.gradient(cav2(pars, T, x)) 
 
con1 = {'type': 'ineq', 'fun': constr} 
pars0 = np.array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1], dtype=float) 
res = minimize(resid, pars0, args=(T, x), method='cobyla', options={'maxiter': 50000}, constraints=con1) 
 
print("a = %f , b = %f, c = %f, d = %f, e = %f, f = %f" % (res.x[0], res.x[1], res.x[2], res.x[3], res.x[4], res.x[5])) 

最后的 print 给出了函数的系数:

a = 2.891584 , b = 0.000000, c = -0.000000, d = 0.792256, e = -0.000000, f = 0.000000 

这让我想到了我的实际问题。因为一些系数变为零,它使函数 p(T,x) 独立于 T,这是我不想要的。需要明确的是,目前 cav2(res.x, 300, 0.1) 给出的结果与例如 cav2(res.x, 500, 0.1) 相同。

scipy.optimize.minimize 中是否有一种(简单的)方法来强制所有系数接受大于零的值?

谢谢

请您参考如下方法:

一些优化器支持系数的边界约束(例如 L-BFGS-B)。

import pandas as pd 
import os 
from scipy.optimize import minimize 
import numpy as np 
 
T = np.random.normal(10) 
x = np.random.normal(10) 
 
p0 = 67.17 
 
# Fake true parameters 
a, b, c, d, e, f = np.random.uniform(-1, 1, size=6) 
 
# targets 
p = x * p0 + x * (1 - x) * (a + b * T + c * T ** 2 + d * x + e * x * T + f * x * T ** 2) * p0 
 
 
def cav2(pars, T, x): # function p(T,x) 
    a, b, c, d, e, f = pars 
    return x * p0 + x * (1 - x) * (a + b * T + c * T ** 2 + d * x + e * x * T + f * x * T ** 2) * p0 
 
 
def resid(pars, T, x): 
    return ((p - cav2(pars, T, x)) ** 2).sum() 
 
 
def constr(pars): 
    return np.gradient(cav2(pars, T, x)) 
 
# this will force all parameters to be positive 
bounds = [(0, None), (0, None), (0, None), (0, None), (0, None), (0, None)] 
pars0 = np.array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1], dtype=float) 
 
res = minimize(resid, pars0, args=(T, x), method='L-BFGS-B', options={'maxiter': 50000}, bounds=bounds) 
 
print("a = %f , b = %f, c = %f, d = %f, e = %f, f = %f" % (res.x[0], res.x[1], res.x[2], res.x[3], res.x[4], res.x[5])) 

边界的工作方式是 (lower, upper) 并且放置 None 意味着不应用边界。因此,如果您不想在第一个参数上设置界限,例如,您可以将界限替换为:

[(None, None), (0, None), (0, None), (0, None), (0, None), (0, None)]