python机器学习minimize函数参数介绍及作用

本文主要是介绍python机器学习minimize函数参数介绍及作用，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、问题介绍

在初学机器学习时，在吴恩达机器学习课后作业中经常使用到高级优化算法，计算theta值会更为便捷，在python中，可以使用scipy.optimize包中的minimize函数直接计算得到所求的theta参数。

二、查看介绍

在pycharm IDE中，可以直接ctrl+b直接查看minimize函数的各项参数。以及一大堆看见就不想多读的内容。

def minimize(fun, x0, args=(), method=None, jac=None, hess=None,
             hessp=None, bounds=None, constraints=(), tol=None,
             callback=None, options=None):

三、函数参数

简单总结介绍函数的各个参数作用
fun：传入的是cost函数，就是自己写的计算代价的函数
x0：传入的是theta的初始值，初始化后的theta
methond：所要使用的优化方法，一般使用TNC即可
jac：传入的是gradient方法，即计算梯度的方法
args：梯度计算函数的参数（除了theta之外的按顺序写）
options：有两个选项，{‘maxiter’:100}可以控制迭代次数；‘disp’:True}可以打印一些运行细节

四、运行结果

运行结果也有多个，其中.x代表的是返回的theta值。如：
fmin = minimize（）
theta = fmin.x

这篇关于python机器学习minimize函数参数介绍及作用的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！