Как изменить max_iter в функции оптимизации, используемой регрессией гауссовского процесса sklearn? ⇐ Python

[Anonymous]

Я использую GPR-библиотеку sklearn, но иногда сталкиваюсь с этим надоедливым предупреждением:

ConvergenceWarning: lbfgs failed to converge (status=2):
ABNORMAL_TERMINATION_IN_LNSRCH.

Increase the number of iterations (max_iter) or scale the data as shown in:
https://scikit-learn.org/stable/modules ... ssing.html
_check_optimize_result("lbfgs", opt_res)


Мало того, что я почти не нашел документации по этому предупреждению, max_iter вообще не является параметром в модели GPR sklearn.
Я пытался масштабировать данные, как было предложено, но это не сработало, и, честно говоря, я этого не понял (нужно ли мне также масштабировать выходные данные? Опять же, мало документации).

Увеличение максимального количества итераций в процессе оптимизации имеет смысл, но у sklearn, похоже, нет способа сделать это, и это расстраивает, поскольку они предлагают это в ответ на это предупреждение.

Глядя на исходный код GPR, видно, что именно так sklearn вызывает оптимизатор,

def _constrained_optimization(self, obj_func, initial_theta, bounds):
if self.optimizer == "fmin_l_bfgs_b":
opt_res = scipy.optimize.minimize(
obj_func, initial_theta, method="L-BFGS-B", jac=True,
bounds=bounds)
_check_optimize_result("lbfgs", opt_res)
theta_opt, func_min = opt_res.x, opt_res.fun
elif callable(self.optimizer):
theta_opt, func_min = \
self.optimizer(obj_func, initial_theta, bounds=bounds)
else:
raise ValueError("Unknown optimizer %s." % self.optimizer)

return theta_opt, func_min


где scipy.optimize.minimize() имеет значения по умолчанию

scipy.optimize.minimize(fun, x0, args=(), method='L-BFGS-B', jac=None, bounds=None,
tol=None, callback=None, options={'disp': None, 'maxcor': 10, 'ftol': 2.220446049250313e-09,
'gtol': 1e-05, 'eps': 1e-08, 'maxfun': 15000, 'maxiter': 15000, 'iprint': -1, 'maxls': 20})


согласно документации scipy.

Я хотел бы использовать именно тот оптимизатор, который показан выше в георадаре исходный код, но измените maxiter на большее число. Другими словами, я не хочу менять поведение оптимизатора, кроме изменений, внесенных за счет увеличения максимального количества итераций.

Проблема заключается в том, что другие параметры, такие как obj_func, Initial_theta, границы, устанавливаются в исходном коде GPR и недоступны из объекта GPR.

Проблема заключается в том, что другие параметры, такие как obj_func, Initial_theta, границы, устанавливаются в исходном коде GPR и недоступны из объекта GPR.

Проблема заключается в том, что другие параметры, такие как obj_func, Initial_theta, границы, устанавливаются в исходном коде GPR и недоступны из объекта GPR.

Проблема заключается в том, что другие параметры, такие как obj_func, Initial_theta, границы, устанавливаются в исходном коде GPR и недоступны из объекта GPR.

Проблема заключается в том, что другие параметры, такие как obj_func, Initial_theta, границы, устанавливаются в исходном коде GPR. p>

Так я называю GPR, обратите внимание, что это в основном параметры по умолчанию, за исключением n_restarts_optimizer и ядра.

for kernel in kernels:
gp = gaussian_process.GaussianProcessRegressor(
kernel = kernel,
alpha = 1e-10,
copy_X_train = True,
optimizer = "fmin_l_bfgs_b",
n_restarts_optimizer= 25,
normalize_y = False,
random_state = None)


Подробнее здесь: https://stackoverflow.com/questions/623 ... rocess-reg