Я использую fmin_l_bfgs_b для аппроксимации минимума функции. Проблема НЕ ограничена. Я использую «приблизительно_град» для численного получения минимума.
weights_sp_new, func_val, info_dict = fmin_l_bfgs_b(func_to_minimize, self.w_vectors[si][pj],
args=(self.sigma_vector[si][pj], Y, X, E_step_results[si][pj]),
approx_grad=True, factr=10000000.0, pgtol=1e-05, epsilon=1e-04)
Я попробовал это на той же целевой функции с разными начальными предположениями. Выведенный информационный словарь выглядит следующим образом:
information dictionary: {'nit': 180, 'funcalls': 4480, 'warnflag': 0,
'task': b'CONVERGENCE: REL_REDUCTION_OF_F_<=_FACTR*EPSMCH',
'grad': array([ 1.69003327e+00, 2.29250366e+00, 1.55528930e+00,
9.84251656e-01, -1.10133624e-02, 1.83795773e+00,
6.44715933e-01, 2.01643592e+00, 8.71323232e-01,
9.93009353e-01, 1.34615338e+00, 4.20859578e-04,
-2.22691328e-01, -2.13318804e-01, -4.38475622e-01,
4.79004570e-01, -4.11879746e-01, 1.71003313e+00])}
information dictionary: {'nit': 0, 'funcalls': 20, 'warnflag': 0,
'task': b'CONVERGENCE: NORM_OF_PROJECTED_GRADIENT_<=_PGTOL',
'grad': array([ 1.84672949e-20, 1.49550746e-20, 1.11115003e-20,
2.73908962e-20, 0.00000000e+00, 2.62916240e-20,
0.00000000e+00, 4.95859400e-20, 4.70618521e-20,
4.77249742e-20, 2.80864703e-20, 0.00000000e+00,
1.84975333e-21, 7.63125358e-21, 1.35733459e-20,
6.34943656e-21, 1.02743864e-20, 5.31287405e-20])}
information dictionary: {'nit': 107, 'funcalls': 2460, 'warnflag': 0,
'task': b'CONVERGENCE: REL_REDUCTION_OF_F_<=_FACTR*EPSMCH',
'grad': array([ -3.09184019, -0.70217764, 0.72096009, -3.23745189,
-1.18111435, -4.13185742, 3.90762754, 2.28011806,
-3.02289147, -1.21219666, 1.80007832, -12.44630606,
-1.59126124, 1.59139978, -1.96677574, -0.50837465,
1.20439043, -1.58858602])}
information dictionary: {'nit': 132, 'funcalls': 2980, 'warnflag': 0,
'task': b'CONVERGENCE: REL_REDUCTION_OF_F_<=_FACTR*EPSMCH',
'grad': array([ -8.56568098, -9.39712794, -8.82591339, -8.61912864,
-0.53956945, -9.46679887, 0.89827947, -10.64991782,
-6.53652169, -7.34566878, -8.98861319, 1.28335021,
-2.39830071, -1.2056133 , -0.81190425, -1.3537686 ,
-1.65028498, -8.30791505])}
Вы можете видеть, что он успешно получает сходимость. Но градиент в минимуме не равен нулю. Я знаю, это означает, что я не получаю точного минимума. Можно спускаться дальше. Что мне теперь делать? Или я могу просто принять этот «приблизительный» минимум?