Проблема Сводка: При попытке использовать минимизацию scipy.optimize.fmin_bfgs функции (оптимизация), функция выдает ошибкуматрицы не выровнены ошибка: Python SciPy fmin_bfgs
derphi0 = np.dot(gfk, pk) ValueError: matrices are not aligned
. Согласно моей проверке ошибок это происходит в самом конце первой итерации через fmin_bfgs - непосредственно перед возвратом любых значений или любыми вызовами обратного вызова.
Конфигурация: Windows Vista Python 3.2.2 SciPy 0,10 IDE = Eclipse, с PyDev
Подробное описание: Я использую scipy.optimize.fmin_bfgs, чтобы минимизировать стоимость простая реализация логистической регрессии (преобразование из Octave в Python/SciPy). В принципе, функция стоимости называется функцией cost_arr, а градиентный спуск - в функции gradient_descent_arr.
Я проверил и полностью проверил, что * cost_arr * и * gradient_descent_arr * работают правильно и правильно возвращают все значения. Я также проверял, чтобы соответствующие параметры передавались функции * fmin_bfgs *. Тем не менее, при запуске я получаю значения ValueError: матрицы не выровнены. Согласно обзору источника, точная ошибка возникает в
def line_search_wolfe1 function in # Minpack's Wolfe line and scalar searches as supplied by the scipy packages.
Следует отметить, что если я использую scipy.optimize.fmin вместо этого, Fmin функция выполняется до завершения.
Exact Ошибка:
File "D:\Users\Shannon\Programming\Eclipse\workspace\SBML\sbml\LogisticRegression.py", line 395, in fminunc_opt
optcost = scipy.optimize.fmin_bfgs(self.cost_arr, initialtheta, fprime=self.gradient_descent_arr, args=myargs, maxiter=maxnumit, callback=self.callback_fmin_bfgs, retall=True)
File "C:\Python32x32\lib\site-packages\scipy\optimize\optimize.py", line 533, in fmin_bfgs old_fval,old_old_fval)
File "C:\Python32x32\lib\site-packages\scipy\optimize\linesearch.py", line 76, in line_search_wolfe1 derphi0 = np.dot(gfk, pk) ValueError: matrices are not aligned
я вызываю функцию оптимизации с: optcost = scipy.optimize.fmin_bfgs (self.cost_arr, initialtheta, fprime = self.gradient_descent_arr, арг = myargs, MaxIter = maxnumit, обратный вызов = self.callback_fmin_bfgs, retall = True)
Я провел несколько дней, пытаясь исправить это и не могу определить, что является причиной матрицы не выровнены ошибку.
ADDENDUM: 2012-01-08 Я работал с этим намного больше и, кажется, сузил проблемы (но я не понял, как их исправить). Во-первых, fmin (используя только fmin) работает с использованием этих функций - стоимость, градиент. Во-вторых, затраты и функции градиента точно возвращают ожидаемые значения при тестировании на одной итерации в ручном режиме (НЕ используя fmin_bfgs). В-третьих, я добавил код ошибки для optimize.linsearch, и ошибка, кажется, была выбрана в def line_search_wolfe1 в строке: derphi0 = np.dot (gfk, pk). Здесь, в соответствии с моими испытаниями, scipy.optimize.optimize pk = [[12.00921659] [11.26284221]] pk type = и scipy.optimize.optimizegfk = [[-12.00921659] [-11.26284221]] gfk type = Примечание: согласно моим тестам, ошибка возникает на самой первой итерации через fmin_bfgs (т. е. fmin_bfgs никогда не завершает ни одной итерации или обновления).
Я ценю ЛЮБОЕ руководство или идеи.
Мой код ниже (каротаж, документация удалены): Пусть тета = 2x1 ndarray (Actual: тэта информация Размер = (2, 1) Тип =) Пусть X = 100x2 ndarray (Actual: X Info Размер = (2 , 100) Тип =) Пусть у = 100x1 ndarray (Фактический: у Info Размер = (100, 1) Тип =)
def cost_arr(self, theta, X, y):
theta = scipy.resize(theta,(2,1))
m = scipy.shape(X)
m = 1/m[1] # Use m[1] because this is the length of X
logging.info(__name__ + "cost_arr reports m = " + str(m))
z = scipy.dot(theta.T, X) # Must transpose the vector theta
hypthetax = self.sigmoid(z)
yones = scipy.ones(scipy.shape(y))
hypthetaxones = scipy.ones(scipy.shape(hypthetax))
costright = scipy.dot((yones - y).T, ((scipy.log(hypthetaxones - hypthetax)).T))
costleft = scipy.dot((-1 * y).T, ((scipy.log(hypthetax)).T))
def gradient_descent_arr(self, theta, X, y):
theta = scipy.resize(theta,(2,1))
m = scipy.shape(X)
m = 1/m[1] # Use m[1] because this is the length of X
x = scipy.dot(theta.T, X) # Must transpose the vector theta
sig = self.sigmoid(x)
sig = sig.T - y
grad = scipy.dot(X,sig)
grad = m * grad
return grad
def fminunc_opt_bfgs(self, initialtheta, X, y, maxnumit):
myargs= (X,y)
optcost = scipy.optimize.fmin_bfgs(self.cost_arr, initialtheta, fprime=self.gradient_descent_arr, args=myargs, maxiter=maxnumit, retall=True, full_output=True)
return optcost
Можете ли вы опубликовать простой, сжатый случай, который может запустить кто-то другой, который воспроизводит ошибку? Вероятно, что аргумент, который вы поставляете, находится в неправильной форме, но, не видя, что делает ваш код, будет невозможно помочь. – talonmies
'Защиту gradient_descent_arr (само, тета, X, Y): тета = scipy.resize (тета, (2,1)) # Выдает размер октава матрицы т = scipy.shape (X) м = 1/м [1] # Используйте м [1], потому что это длина X х = scipy.dot (theta.T, х) # Должно транспонирование вектора тета сиг = self.sigmoid (х) сиг = sig.T - у град = scipy.dot (х, сиг) град = м * град return grad' – SaB
talonmies - Спасибо. Я добавил код в исходное сообщение. Любые идеи были бы оценены. – SaB