Python-scipy.Optimierung: Verwendung von fsolve mit mehreren ersten Vermutungen

Scipy version 0.10.0

Folgendes:

>>> import math
>>> from scipy.optimize import fsolve
>>> import numpy as np
>>> def p(s, l, k, q):
    p = q * np.maximum(s - k, 0.0)
    return (p + math.copysign(l, -q)) * math.fabs(q) * 100.0

>>> x0 = fsolve(p, np.arange(33.86, 50.86, 1.0), args=(1.42, 41.0, -1.0), xtol=1e-06, maxfev=500)
Warning (from warnings module):
  File "C:\Python27\lib\site-packages\scipy\optimize\minpack.py", line 152
    warnings.warn(msg, RuntimeWarning)
RuntimeWarning: The iteration is not making good progress, as measured by the 
   improvement from the last ten iterations.
>>> print x0
[ -4.87169392e+05  -4.87168392e+05  -4.87167392e+05  -4.87166392e+05
  -4.87165392e+05  -4.87164392e+05  -4.87163392e+05  -4.87162392e+05
   4.24200000e+01   4.24200000e+01   4.24200000e+01   4.24200000e+01
   4.24200000e+01   4.24200000e+01   4.24200000e+01   4.24200000e+01
   4.24200000e+01]

Erste Frage ist, wie man vielleicht unterdrücken Sie die Warnmeldung wird zurückgegeben?

Zweite, warum könnten diese Fehler generiert werden, in der ersten Ort (andere als die offensichtliche, dass die iteration nicht gut voran 🙂 )?

Schließlich, die Wurzel dieser Funktion ist 42.42 (was gefunden). Warum ist fzero Rückkehr -4.87e+05?

Versuchen Sie, mithilfe von numpy.seterr zu deaktivieren Fehler:numpy.seterr(invalid='ignore')
Danke für den Vorschlag aber es hat nicht funktioniert.

InformationsquelleAutor Jason Strimpel | 2012-10-24

6

Tut dies könnte Sie verpassen etwas wichtiges, aber, zum schweigen zu bringen die Warnmeldung, die Sie nutzen könnten warnings.filterwarnings:
```
import warnings
warnings.filterwarnings('ignore', 'The iteration is not making good progress')
import math
from scipy.optimize import fsolve
import numpy as np
def p(s, l, k, q):
    p = q * np.maximum(s - k, 0.0)
    return (p + math.copysign(l, -q)) * math.fabs(q) * 100.0

x0 = fsolve(p, np.arange(33.86, 50.86, 1.0),
            args=(1.42, 41.0, -1.0), xtol=1e-06, maxfev=500)
print(x0)
```
In der Tat p(x0, 1.42, 41.0, -1) ist nicht nahe null, so fsolve ist richtig darauf hingewiesen, dass es versäumt, eine Lösung zu finden.

PS. Wenn Sie sagen,
```
fsolve(p, np.arange(33.86, 50.86, 1.0),...)
```
sagen Sie fsolve dass deine erste Vermutung für s ist die numpy-array np.arange(33.86, 50.86, 1.0). Das ganze array wird übergeben p auf einmal.

Beachten Sie, dass np.arange(33.86, 50.86, 1.0) hat die Länge 17 und so funktioniert x0. Das ist, weil fsolve denkt, dass es gesucht wird ein array mit der Länge 17, löst p.

Ich denke, dass vielleicht Sie gemeint s zu einem float? In diesem Fall können Sie nur in einen float-Wert für deine erste Vermutung:
```
fsolve(p, 41.0, args = (1.42, 41.0, -1.0), xtol=1e-06, maxfev=500)
```
Beispielsweise
```
import math
import scipy.optimize as optimize
import numpy as np

def p(s, l, k, q):
    p = q * np.maximum(s - k, 0.0)
    return (p + math.copysign(l, -q)) * math.fabs(q) * 100.0

args = (1.42, 41.0, -1.0)
result = optimize.fsolve(p, 41.0, args=args, xtol=1e-06, maxfev=500)
print(result)
```
Erträge
```
[ 42.42]
```
fsolve hat einen anständigen job der Nullstellung in auf den Stamm, wenn die anfängliche Vermutung ist, >= 41.0 (der Wert von k) schlägt jedoch fehl, wenn die anfänglichen raten < 41.0.

Meine Vermutung ist, dass diese aufgrund np.maximum nicht ändern für viele Vermutungen für s. So fsolve weiß nicht, ob zu erhöhen oder verringern s und ist apt zu erraten, falsch und bewegen s weiter und weiter von der Wurzel.

Danke für den Kommentar. Was ich versuche zu tun, ist zu lösen, um mehrere Wurzeln durch Prüfung jeder Wert innerhalb einer Reihe von zahlen. Siehe stackoverflow.com/questions/13054758/... für meine andere Frage um.

InformationsquelleAutor unutbu

import math
import scipy.optimize as optimize
import numpy as np

def p(s, l, k, q):
    p = q * np.maximum(s - k, 0.0)
    return (p + math.copysign(l, -q)) * math.fabs(q) * 100.0


result = optimize.fsolve(p, 41.0, args=1,2,3, xtol=1e-06, maxfev=500)
print(result)

result = optimize.fsolve(p, 41.0, args=2,3,4, xtol=1e-06, maxfev=500)
print(result)

InformationsquelleAutor Abdar Mohammad

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.