Aunque esto llega un poco tarde para el autor de esta pregunta. Tal vez alguien quiera probar algunos algoritmos de optimización, cuando lea esto ...
Si está trabajando con regresiones en aprendizaje automático (NN, SVM, regresión lineal múltiple, K vecino más cercano) y desea minimizar (maximizar) su función de regresión, en realidad esto es posible, pero la eficiencia de dichos algoritmos depende de la suavidad, (paso de tamaño ... etc.) de la región en la que está buscando.
Para construir tal "Aprendizaje automático" Regresiones "puede usar scikit- learn. Tienes que entrenar y validar tu MLR Support Vector Regression. (método de "ajuste")
SVR.fit(Sm_Data_X,Sm_Data_y)
entonces usted tiene que definir una función que devuelve una predicción de su regresión para una matriz "x".
def fun(x):
return SVR.predict(x)
Puede usar scipiy.optimize.minimize para la optimización. Vea los ejemplos que siguen a los doc-links.
Estaba buscando comparaciones de exploración de matriz de fuerza bruta, recocido simulado y la minimización de Migrad integrada en Minuit en la raíz. – physicsmichael