[英]How to get Hessian Matrix from python minimize function?
通过scipy.minimize
function得到优化结果后,有什么方法可以得到Hessian矩阵(从而计算标准误差)?
最小化 function 中的 hessian 参数似乎是输入而不是 output。
from scipy import minimize
opt = minimize(logitfn, args=df, x0=x_start, method='Nelder-Mead')
使用'L-BFGS-B'
方法,然后:
opt.hess_inv.todense()
给定 function f 和初始点 x0,并假设我们使用 L-BFGS-B,则以下代码有效:
opt = minimize(f, x0=x0, method='L-BFGS-B')
B = opt.hess_inv # LinearOperator object
B = B * np.identity(B.shape[1]) # numpy array
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.