Python fmin太慢

我在x_data中有一个3x2000的numpy数组，在y_data中有一个1x2000的numpy数组，我通过这个函数回归给我一个回归线。它工作正常。问题是我正在尝试做一些回测试，并且测试1000次我不得不倒退1000次，并且需要大约5分钟来运行。Python fmin太慢

我试图标准化变量，它似乎没有让它变得更快。

我还简要地尝试了fmin_powell和fmin_bfgs，它似乎打破了它。

有什么想法？谢谢！

def regress(x_data, y_data, fg_spread, fg_line): 

    theta = np.matrix(np.ones((1,x_data.shape[0]))*.11) 
    hyp = lambda theta, x: 1/(1 + np.exp(-(theta*x))) 
    cost_hyp = lambda theta, x, y: ((np.multiply(-y,np.log10(hyp(theta,x)))) - \ 
          (np.multiply((1-y),(np.log10(1-hyp(theta, x)))))).sum() 

    theta = scipy.optimize.fmin(cost_hyp, theta, args=(x_data,y_data), xtol=.00001, disp=0) 

    return hyp(np.matrix(theta),np.matrix([1,fg_spread, fg_line]).reshape(3,1))

来源

2012-09-03 appleLover

注意添加并保存分钟在那一点上？ –

五分钟不一定很长;这真的是相对的（只是你需要喝杯咖啡的时间）。另外，您将xtol设置为低10倍;这可能会减慢速度。在这种情况下，“打破它”是什么意思？因为我猜这些可能会稍微快一点。 – Evert

乔兰，你能解释一下你的意思吗？感谢 – appleLover

使用numexpr，让您的HYP和cost_hyp computatation评估更快。 fmin系列函数为不同条目计算这些函数多次。因此，这些功能的任何收益都直接报告在最小化。

因此，例如，你将取代：

hyp = lambda theta, x: 1/(1 + np.exp(-(theta*x)))

由：

hyp = lambda theta, x: numexpr.evaluate("1/(1 + exp(-(theta*x)))")

Numexpr是指具有numpy的阵列工作。

来源

2012-09-05 08:18:25

Nicolas，我看着这个，但我不确定我可以在这里使用numexpr。我看到两个问题。第一个数学似乎是简单的算术，所以我不知道我怎么能用这个线性代数来做矩阵乘法？第二，我不确定你的意思是“扣紧你的hyp和cost_hyp”，我对这些话题很陌生，所以如果你能给我多一点解释的话。谢谢！ – appleLover

请参阅固定答案。 –

回答

相关问题