如何使用 scipy 优化自己的功能？

Question

我将 3 个不同指标的分数组合成一个权重，我想使用 scipy 的优化来确定组合时权重的最佳系数（而不是平等对待它们并取平均值，这是我之前所做的）。下面代码中显示的 CV 函数处理实现交叉验证和计算反应的预测（其中反应仅为 "like" 或 "dislike"）。

weight = A*(metric1) + B*(metric2) + C*(metric3)
prediction = CV(post, reaction, weight)

我想最大化我的 accuracy，或最小化 1 - accuracy，其中 accuracy = accuracy_score(reaction, prediction)。我查看了 scipy 的 optimize/minimize 的文档，虽然我了解总体思路，但我不确定如何将我的想法转化为实际代码。例如，一个令人困惑的领域是我想最小化“1-accuracy”，但准确度是由前面处理预测的部分决定的。任何帮助将不胜感激，并且一如既往，代码将非常有用 :)

Answer 1

您似乎想要执行以下伪代码中的操作：

def loss(x, *args):
    A, B, C = x
    weight = A*metric1 + B*metric2 + C*metric3
    prediction = CV(post, reaction, weight)
    return -accuracy_score(reaction, prediction)
# equal initial weighting
x0 = [1, 1, 1]
scipy.optimize.minimize(loss, x0, args=args)

基本上，您正在最小化的损失函数应该采用您正在优化的参数（此处：权重）并返回衡量它们有多好的标量（此处：减去准确度分数）。因此，确定取决于参数的损失所需的所有计算都应该在损失函数内。如果计算的某些部分不依赖于权重，您当然可以通过在函数外预先计算来加快速度。

如何使用 scipy 优化自己的功能？

How to use scipy optimize with your own function?

python

optimization

prediction

scipy