优化器是 SciPy 中定义的一组过程，用于求函数的最小值或方程的根。
本质上，机器学习中的所有算法都不过是一个复杂的方程，需要借助给定的数据进行最小化。
NumPy 能够求多项式和线性方程的根，但无法求非线性方程的根，如下所示：
x + cos(x)
为此，您可以使用 SciPy 的 optimize.root 函数。
此函数需要两个必需的参数：
fun - 表示方程的函数。
x0 - 对根的初始猜测。
该函数返回一个包含有关解决方案的信息的对象。
实际的解决方案在返回对象的属性 x 下给出：
求方程 x + cos(x) 的根：
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：返回的对象包含有关解决方案的更多信息。
打印有关解决方案的所有信息（不仅仅是根 x）：
print(myroot)
在此上下文中，函数代表一条曲线，曲线有高点和低点。
高点称为最大值。
低点称为最小值。
整条曲线中的最高点称为全局最大值，而其余的点称为局部最大值。
整个曲线的最低点称为全局最小值，而其余点称为局部最小值。
我们可以使用 scipy.optimize.minimize() 函数来最小化函数。
minimize() 函数采用以下参数：
fun - 表示方程的函数。
x0 - 对根的初始猜测。
method - 要使用的方法的名称。合法值：
'CG''BFGS''Newton-CG''L-BFGS-B''TNC''COBYLA''SLSQP'callback - 每次优化迭代后调用的函数。
options - 定义额外参数的字典：
{
"disp": boolean - 打印详细描述
"gtol": number - 误差的容差
}
使用 BFGS 最小化函数 x^2 + x + 2：
from scipy.optimize import minimize def eqn(x): return x**2 + x + 2 mymin = minimize(eqn, 0, method='BFGS') print(mymin)
相关
视频
RELATED VIDEOS
科技资讯
1
2
3
4
5
6
7
8
9
精选课程
共5课时
17.2万人学习
共49课时
77万人学习
共29课时
61.7万人学习
共25课时
39.3万人学习
共43课时
70.9万人学习
共25课时
61.6万人学习
共22课时
23万人学习
共28课时
33.9万人学习
共89课时
125万人学习
