pyomo - 预测模型、目标函数和优化
问题描述
我们如何在 Python 中使用 pyomo 进行优化时定义目标函数。我们已经分别定义了预测模型。下一步是从预测模型(梯度提升、随机森林、线性回归等)中引入目标函数并进行优化以实现最大和最小优化。请建议并分享 pyomo 中的任何工作示例。
解决方案
由于 Pyomo 使用代数表达式,您应该:
- 定义预测模型函数的数学表达式。
- 在 Pyomo 中实现正确的数学模型,包括所需的参数、变量和其他约束。
- 应用最小值 - 最大值
你可以做一个循环如下:
预测模型函数->最小-最大细化->预测模型函数调整->最小-最大细化-> ...
您需要多次达到预期的准确性。API 连接和多线程实现可以工作。
推荐阅读
- c++ - 目标文件在 Linux 上比在 macOS 或 Windows 上大 2.5 倍
- react-native - 未发送分析数据
- laravel - Laravel guzzle post 请求创建功能不起作用(400 错误请求)
- c# - StackExchange.Redis 超时
- javascript - 表示不适合 Safari/Explorer 上的屏幕
- mysql - 将两个选择的计数与子查询相除以获得百分比
- ddev - 我可以在 ddev 中降级 xdebug 吗?
- java - 请放心验证 JSON 正文是否包含列表中的所有字符串
- c# - ServiceStack.Client 服务器发送事件未处理
- javascript - 配置 Axios 和 Flask 以使用 CORS 和 cookie