Scipy/python中分段函数的优化答案

【问题标题】：Optimization of a piecewise function in Scipy/pythonScipy/python中分段函数的优化
【发布时间】：2016-07-24 14:56:37
【问题描述】：

我一直在尝试通过 scipy 优化器传递分段函数。我在下面构建的示例显示了问题：

args = (6,6,7,1,2,4,6,6)
def _alpha(params, *args):
    knot = params[0]
    rate = np.asarray(args)
    where_knot = np.where(rate>knot, 1, 0)
    return np.sum(where_knot)

seed_vals = (5,)
bounds = ((1,7), )
res1 = optimize.minimize(_alpha, seed_vals, args=args, method='L-BFGS-B', bounds=bounds)
res1.x
>>> array([ 5.])

但是，这显然不是解决方案：

print _alpha((5,), args)
>>> 5
print _alpha((7,), args)
>>> 0

有没有办法做到这一点？

编辑：我也尝试了 numpy 分段函数并得到相同的结果。

【问题讨论】：

optimize.minimize 是本地优化器，而不是全局优化器。如果您在平台期开始优化过程，它不会有任何进展。

标签： python numpy pandas scipy scikit-learn

【解决方案1】：

您需要使用以下方法调整近似步长：http://docs.scipy.org/doc/scipy/reference/optimize.minimize-lbfgsb.html#optimize-minimize-lbfgsb

默认值类似于 .0000001，因此它会估计节的 0 梯度

【讨论】：