scikit-opt（sko）包的使用

i晓雨

已于 2022-07-21 10:46:49 修改

阅读量7.6k

点赞数 8

分类专栏：笔记文章标签：机器学习 python 算法

于 2022-07-21 10:45:20 首次发布

本文链接：https://blog.youkuaiyun.com/m0_57200627/article/details/125907440

版权

这篇博客展示了如何利用sko（Sklearn Optimize）库对sklearn中的LogisticRegression模型参数进行优化。通过设置目标函数、约束条件和参数范围，GA（遗传算法）被用来寻找最佳的模型参数，以提高模型在iris数据集上的评分。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近由于需要使用优化算法，用到了sko这个包，但是网上给的例子大部分都是官方文档。我尝试利用该包对sklearn中的模型参数进行简单的优化。

import numpy as np
import matplotlib.pyplot as plt
from sko.GA import GA
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split


#首先学习一下官方文档

'''
min f(x1, x2, x3) = x1^2 + x2^2 + x3^2
s.t.
    x1*x2 >= 1
    x1*x2 <= 5
    x2 + x3 = 1
    0 <= x1, x2, x3 <= 5
'''
def obj_func(p):
    print(p)
    x1, x2, x3 = p
    return x1 ** 2 + x2 ** 2 + x3 ** 2


constraint_eq = [
    #等式约束条件：
    lambda x: 1 - x[1] - x[2]
]

constraint_ueq = [
    #不等式约束条件：
    lambda x: 1 - x[0] * x[1],
    lambda x: x[0] * x[1] - 5
    #无需使用不等式表示，直接使用表达式即可，但该表达式需要小于等于0，列如第一个约束条件5>=x1*x2,则改写成x1*x2-5：
]



ga = GA(func=obj_func,n_dim=3,size_pop=

最低0.47元/天解锁文章