使用 scipy.optimize.minimize 提前停止损失函数

Question

我正在使用 scipy.optimize.minimize 库来自定义编写我的损失函数。 https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.minimize.html

def customised_objective_func(x):
global lag1
global lag2
global lag3
global lag4

pred = []
err = []
df_col_others_copy=df_col_others.copy(deep=True)
df_col_others_copy*=np.array(x)
pred=intercept_val+df_col_others_copy.sum(axis=1)
pred=list(pred)
col_sales=list(df_col_sales)
err = np.array(pred) - np.array(col_sales)
#err = pred - col_sales
obj_func_cust=sum(err**2)/len(err) + (lambda_mult* pen_func(x))

# CONDITION CHECK
avg_lags_val=(lag1+lag2+lag3+lag4)/float(4.0)
perc_change=(np.abs(obj_func_cust-avg_lag_val)/float(avg_lags_val))*100

if perc_change>=2.0:
    break --###?? Sntax for breaking out here??

# retaining last 4 values
curr=obj_func_cust
lag4=lag3
lag3=lag2
lag2=lag1
lag1=curr

if curr=0:
    

return obj_func_cust

myoptions={'maxiter':1000}
results = minimize(customised_objective_func,params,method = "BFGS",options = myoptions) 

我保留了为最后 4 次迭代计算的损失函数的值，如果满足该条件，我想检查它们是否存在一些差异我想停止函数调用（即使 1000 次迭代，也要退出进一步函数执行迭代未完成。

我怎样才能做到这一点？希望在此处对要使用的关键字/syntx 提供帮助？

Answer 1

由于您需要最后四个目标函数值，并且您无法在目标函数中终止求解器，因此您可以编写一个包含回调和目标函数的 Wrapper：

class Wrapper:
    def __init__(self, obj_fun, cond_fun, threshold):
        self.obj_fun = obj_fun
        self.cond_fun = cond_fun
        self.threshold = threshold
        self.last_vals = np.zeros(5)
        self.iters = 0

    def callback(self, xk):
        if self.iters <= 4:
            return False
        if self.cond_fun(self.last_vals) <= self.threshold:
            return True

    def objective(self, x):
        # evaluate the obj_fun, update the last four objective values
        # and return the current objective value
        np.roll(self.last_vals, 1)
        obj_val = self.obj_fun(x)
        self.last_vals[0] = obj_val
        self.iters += 1
        return obj_val

callback 方法返回 True 并在您的最后四个值评估的 cond_fun 低于给定的 threshold 时终止求解器。这里，xk 只是当前点。 objective 方法只是您的 obj_fun 的包装器，并更新最后的目标值。

然后，你可以这样使用它：

def your_cond_fun(last_obj_vals):
    curr = last_obj_vals[0]
    last4 = last_obj_vals[1:]
    avg_vals = np.sum(last4) / last4.size
    return 100*np.abs(curr - avg_vals) / avg_vals

wrapper = Wrapper(your_obj_fun, your_cond_fun, your_threshold)

minimize(wrapper.objective, params, callback = wrapper.callback, 
         method = "BFGS", options = myoptions)