яж вроде невам писал

И что

Добрый день, Коллеги.
Вопрос по опыту поиска минимума функции.
import numpy as np
from matplotlib import pyplot as plt
from scipy.optimize import minimize_scalar, minimize
from sklearn.metrics import f1_score
%matplotlib inline

actual_11 = np.array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
               0.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
predicted_11 = np.array([ 0.35929566, 0.61562123,  0.71974688,  0.24893298,  0.19056711,  0.89308488,
           0.71155538,  0.00903258,  0.51950535,  0.72153302,  0.45936068,  0.20197229,  0.67092724,
                        0.81111343,  0.65359427,  0.70044585,  0.61983513,  0.84716577,  0.8512387 ,  
                        0.86023125,  0.7659328 ,  0.70362246,  0.70127618,  0.8578749 ,  0.83641841,  
                        0.62959491,  0.90445368])
def f1_score_minimizeT(k, actual, predicted):
   return -abs(f1_score(actual, predicted>0.1*k))

res = minimize_scalar(f1_score_minimizeT, args=(actual_11, predicted_11), bounds=(3,7), method='bounded', options={'disp':3})

linspace = np.linspace(0, 10, 100)
plt.plot(linspace, [f1_score(actual_11, predicted_11>0.1*x) for x in linspace], label="f1")
plt.plot(linspace, [f1_score_minimizeT(x, actual_11, predicted_11) for x in linspace], label="f1_minimize_model")
plt.plot([res.x, res.x], [-1, 1], label="best")

Вывод результата поиска минимума функции:
Func-count     x          f(x)          Procedure
   1        4.52786    -0.742857        initial
   2        5.47214    -0.787879        golden
   3        6.05573    -0.787879        golden
   4        5.76393    -0.787879        parabolic
   5        5.65248    -0.787879        golden
   6        5.58359    -0.787879        golden
   7        5.54102    -0.787879        golden
   8        5.51471    -0.787879        golden
   9        5.49845    -0.787879        golden
  10         5.4884    -0.787879        golden
  11        5.48219    -0.787879        golden
  12        5.47835    -0.787879        golden
  13        5.47597    -0.787879        golden
  14        5.47451    -0.787879        golden
  15         5.4736    -0.787879        golden
  16        5.47304    -0.787879        golden
  17         5.4727    -0.787879        golden
  18        5.47248    -0.787879        golden
  19        5.47235    -0.787879        golden
  20        5.47227    -0.787879        golden
  21        5.47222    -0.787879        golden
  22        5.47219    -0.787879        golden
  23        5.47217    -0.787879        golden
  24        5.47216    -0.787879        golden
  25        5.47215    -0.787879        golden
  26        5.47214    -0.787879        golden
  27        5.47214    -0.787879        golden

На графике сверху изображено f1_score для оценки, а снизу изображена перевернутая функция, чтобы найти минимум этой функции. И видно, что выбор минимального значения сделан не совсем точно.

Вопрос, как сообщить функции minimize_scalar выполнять большее число шагов для поиска минимума. Или возможно для подобных графиков поиск минимума выполняется по-другому?

Ну вы наткнулись на участок функции с практически нулевым градиентом, это вероятно является условием остановки алгоритма. У параметров метода нашёл только максимальное количество итераций

Возможно стоит воспользоваться более ресурсоемким алгоритмом

Вот и я нашел пример полезным)) до него, я думал только про признаки)

Привет. Спасибо за отзыв.

Если говорить про линейные модели: они линейны по параметрам и по (итоговым) признакам

т.е представимы в виде линейной комбинации \sum_{i} (w_i * x_i)

в приведенном примере есть член w_i * w_j, т.е. модель уже нелинейна по параметрам

Если говорить про эту модель, то она линейна по преобразованным признакам (в которые вошел и x^2), и нелинейна по исходным

Это комментарий от Р.Нейчева по тому скрину) я еще до этого чата у него спросил тоже самое)

Я до прост даже не задумывался:))

Специализация от вашингтонского универа классная, рекомендую)) там даже математика есть))

я пока глубокое обучени взял на степике) и спикер знакомый))

Это какое?)

А что за специализация?

Продвинутое что то там) там Радослав один из спикеров

а, ну это deep learning school