L-BFGS-B不滿足給定的約束

我試圖通過在scipy中使用最小化函數來找到我的模型的優化權重值。如下面的代碼所示，我定義了我的錯誤函數，返回模型的一個減去f1分數。L-BFGS-B不滿足給定的約束

def err_func(weights,x,y): 
     undetected=0 
     correct=0 
     incorrect=0 
     results=fun(weights,x) 
     for i in range(0,len(results)): 
      if(results[i]==y[i]): 
       correct+=1 
      elif(not (results[i]==y[i])): 
       incorrect+=1 
     undetected=len(y)-(correct+incorrect) 
     precision=float(correct)/float(correct + incorrect) 
     recall=float(correct)/float(correct + incorrect + undetected) 
     f1=2 * precision * recall/(precision + recall) 
     return 1.0-f1

我使用約束條件，每個值的權重介於零和一，權重的總和等於一。這些定義如下：

cons = ({'type': 'eq', 'fun': lambda x: 1 - sum(x)}) 
bnds = tuple((0.0, 1.0) for x in weights) 
eps=1e-2

但運行minimze方法，同時，我的功能不滿足約束。

from scipy.optimize import minimize 
res = minimize(err_func, weights,method='L-BFGS-B', args=(x,y),constraints=cons,bounds=bnds,options = {'eps':eps,'maxiter':100}) 
print res 
test_weights=res.x 
print sum(test_weights)

我得到了這樣的輸出，權重總和大於1。我錯過了什麼？

> fun: 0.4955555555555555 hess_inv: <11x11 LbfgsInvHessProduct with 
> dtype=float64> 
>  jac: array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]) message: 'CONVERGENCE: NORM_OF_PROJECTED_GRADIENT_<=_PGTOL' 
>  nfev: 24 
>  nit: 1 status: 0 success: True 
>   x: array([ 0.  , 0.22222222, 0.  , 1.  , 1.  , 
>   0.11111111, 1.  , 1.  , 1.  , 0.  , 1.  ]) 
> 6.33333333333

來源

2017-08-28 isspek

L-BFGS-B只支持約束約束（這是第二'B'的含義）。此方法不支持常規約束。

從scipy docs摘錄：

Parameters: 
    ... 
    constraints : dict or sequence of dict, optional 
     ... 
     Constraints definition (only for COBYLA and SLSQP)

來源

2017-08-28 13:36:38

L-BFGS-B不滿足給定的約束

回答

相關問題