나는 2 차원 함수에서 scipy의 fmin_l_bfgs_b 최적화 방법을 블랙 박스로 사용할 수 있습니다. 그라디언트는 직접 평가할 수 없으므로, 그라디언트를 근사화하는 방법은 approx_grad = True
으로 설정합니다.l_bfgs 최적화 방법으로 기울기를 근사값으로 계산하는 방법
대략적인 그래디언트가 어떻게 계산되는지 알고 싶습니다. 내 생각에 각 점에서 각 차원에 대해 기울기는 전진 차이로 근사됩니다. 따라서 N 차원에서 각 점에 대해 부분 도함수를 구하기 위해 N 개의 평가가 수행됩니다. 이 올바른지?
내 추측은 맞을 것 같아요 .N 포인트는 N을 치수의 수입니다 크기 벡터 x) –