IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)
Navigation

Inscrivez-vous gratuitement
pour pouvoir participer, suivre les réponses en temps réel, voter pour les messages, poser vos propres questions et recevoir la newsletter

Calcul scientifique Python Discussion :

fminsearch matlab vs scipy ?


Sujet :

Calcul scientifique Python

  1. #1
    Membre éclairé
    Profil pro
    Inscrit en
    Février 2010
    Messages
    2 051
    Détails du profil
    Informations personnelles :
    Localisation : France

    Informations forums :
    Inscription : Février 2010
    Messages : 2 051
    Points : 877
    Points
    877
    Par défaut fminsearch matlab vs scipy ?
    Bonjour tous,

    pour faire des "fit" d'un nuage de points à partir d'une fonction que je postule j'ai l'habitude d'utiliser matlab et la fonction "fminsearch" et j'en suis très satisfait. Néanmoins, depuis quelque temps, je me suis mis au python car j'espère ne plus à avoir à utiliser matlab (payant) et pouvoir faire par python ce que je souhaite avec les bibliotheques Numpy, scipy...etc

    Le problème est qu'à l'heure actuelle j'ai l'impression que la fonction "scipy.optimize.fmin" est beaucoup moins performante que "fminsearch de matlab". Avec la fonction de matlab pour des cas simples (un nuage de point dans la plan et une fonction à deux paramètre) ça à toujours fonctionné sans aucun bidoullage quelconque mais en essayant de faire la même chose avec "fmin" de la bibliothèse "scipy" j'ai l'impression qu'il n'arrive jamais à converger (nb max d'itérations atteinte...)

    Avez vous l'habitude de faire des "fit" avec python et si oui quelle algorithme utilisais vous pour faire l'optimisation des paramètres ?

    Si vous avez une méthode qui fonctionne bien pourriez vous me montrer un cas test qui marche bien s'il vous plait ?

  2. #2
    Membre éprouvé

    Homme Profil pro
    Ingénieur
    Inscrit en
    Août 2010
    Messages
    654
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France

    Informations professionnelles :
    Activité : Ingénieur
    Secteur : Aéronautique - Marine - Espace - Armement

    Informations forums :
    Inscription : Août 2010
    Messages : 654
    Points : 1 150
    Points
    1 150
    Par défaut
    Salut,

    J'utilise souvent pour le boulot la bibliothèque Scipy et notamment le module optimize. fmin est une des méthodes parmi les plus simples disponibles dans le module. C'est étonnant qu'elle ait des difficultés à converger si celle de Matlab le fait très bien.

    Voici un petit exemple que j'ai préparé:
    Code : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    import random
    import numpy as np
    from scipy.optimize import fmin
    import matplotlib.pyplot as plt
     
     
    def linear_law(x, slope, scale):
        return slope*x + scale
     
    def evaluate(x, *args):
        """Function computing square error"""
        x_data = args[0]
        y_data = args[1]
        y_estimated = linear_law(x_data, x[0], x[1])
        return np.sum(np.square(y_data - y_estimated))
     
    # Generate pseudo random data
    slope, scale = 2.0, 10.0
    x_data = np.arange(1, 100, 1)
    y_data = np.array([slope*i+scale+random.randrange(-10,10) for i in x_data])
     
    # x0 = [slope, scale]
    x0 = [1., 1,]
    slope_est, scale_est = fmin(evaluate, x0, args=(x_data, y_data), xtol=1e-8, disp=True)
    print slope_est, scale_est
    y_est = linear_law(x_data, slope_est, scale_est)
     
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.scatter(x_data, y_data, color='red', label='Raw data')
    ax.plot(x_data, y_est, color='blue', label='Fitted law')
    ax.legend(loc='lower right')
    plt.grid()
    plt.show()
    Le principe:

    On essaye de déterminer le coefficient directeur et l'ordonnée à l'origine d'une fonction affine passant au plus près de points. Ces points sont générés de telle sorte qu'ils suivent une fonction affine avec une part aléatoire. On crée une fonction d'évaluation. Tout est est dans cette fonction. Elle prend en paramètre un liste x et un tuple d'arguments additionnels *args. x sera [coeff_directeur, ordonnee_origine], c'est ce qui est recherché, tandis que args contiendra les données bruts. La fonction d'évaluation calcul somme((y_eval-y_data)²). On fait en sorte une méthode des moindres carrés.

    On commence par initialiser les valeurs à trouver. C'est x0. Un mauvais choix impact le résultat. Il ne reste plus qu'à appeler la fonction de minimisation. Et le tour est joué!

    Tu trouveras sur google des exemples plus classes, mais celui là je peux te le détailler à loisir.

    Si tu as toujours des soucis tu peux peut-être partager tes données.

    Ciao ciao

  3. #3
    Expert éminent sénior
    Homme Profil pro
    Architecte technique retraité
    Inscrit en
    Juin 2008
    Messages
    21 235
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Manche (Basse Normandie)

    Informations professionnelles :
    Activité : Architecte technique retraité
    Secteur : Industrie

    Informations forums :
    Inscription : Juin 2008
    Messages : 21 235
    Points : 36 684
    Points
    36 684
    Par défaut
    Salut,

    Citation Envoyé par membreComplexe12 Voir le message
    Avez vous l'habitude de faire des "fit" avec python et si oui quelle algorithme utilisais vous pour faire l'optimisation des paramètres ?

    Si vous avez une méthode qui fonctionne bien pourriez vous me montrer un cas test qui marche bien s'il vous plait ?
    A priori les deux bibliothèques implémentent le même algo. - Nelder-Mead simplex -.
    Ils devraient converger avec un nombre d'itération semblable.
    Ceci dit si dans votre cas, il y a des soucis, pas la peine de faire une collection de cas qui "fonctionnent": çà ne va pas expliquer pourquoi le votre m...

    Pourquoi ne pas poster un code qui "montre" le problème que vous constatez?

    - W
    Architectures post-modernes.
    Python sur DVP c'est aussi des FAQs, des cours et tutoriels

  4. #4
    Membre éclairé
    Profil pro
    Inscrit en
    Février 2010
    Messages
    2 051
    Détails du profil
    Informations personnelles :
    Localisation : France

    Informations forums :
    Inscription : Février 2010
    Messages : 2 051
    Points : 877
    Points
    877
    Par défaut
    merci pour ce super exemple! j'ai du faire une bêtise quelque part... je vais regarder ça...

    désolé de ne pas mettre le code mais il est imbriqué dans un gros code...

    je pense qu'avec ton exemple ça ira très bien, je vais m'en sortir
    merci

+ Répondre à la discussion
Cette discussion est résolue.

Discussions similaires

  1. [LabView-MATLAB] Conversion de fichier binaire
    Par flzox dans le forum LabVIEW
    Réponses: 3
    Dernier message: 20/01/2007, 19h42
  2. [visual C++/Matlab] communication entre les deux
    Par Bilouzzz dans le forum MFC
    Réponses: 2
    Dernier message: 15/10/2005, 06h05
  3. Réponses: 2
    Dernier message: 02/09/2005, 16h23
  4. Clone Matlab
    Par devmat dans le forum Applications et environnements graphiques
    Réponses: 2
    Dernier message: 30/04/2005, 17h44
  5. OpenGl - Matlab
    Par ManuG dans le forum OpenGL
    Réponses: 2
    Dernier message: 19/01/2005, 16h04

Partager

Partager
  • Envoyer la discussion sur Viadeo
  • Envoyer la discussion sur Twitter
  • Envoyer la discussion sur Google
  • Envoyer la discussion sur Facebook
  • Envoyer la discussion sur Digg
  • Envoyer la discussion sur Delicious
  • Envoyer la discussion sur MySpace
  • Envoyer la discussion sur Yahoo