...
Eroare Machine Learning · Modele: convergență, k-NN, k-means

ConvergenceWarning: lbfgs failed to converge after 100 iteration(s) (status=1): STOP: TOTAL NO. OF ITERATIONS REACHED LIMIT

Pe scurt

Algoritmul de optimizare al regresiei logistice (lbfgs) s-a oprit la limita de iterații înainte să găsească soluția. E un avertisment, modelul tot e antrenat, dar poate fi slab. Scalează datele cu StandardScaler și, dacă e nevoie, mărește max_iter (de exemplu 1000).

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

Regresia logistică (și alte modele, precum MLPClassifier, LinearSVC, Lasso) își caută coeficienții pas cu pas. Parametrul max_iter (implicit 100 la LogisticRegression) limitează numărul de pași. Dacă limita e atinsă înainte ca soluția să se stabilizeze, scikit-learn emite ConvergenceWarning: STOP: TOTAL NO. OF ITERATIONS REACHED LIMIT înseamnă exact „am rămas fără iterații”.

Mesajul complet îți dă și cele două reparații obișnuite: mărește numărul de iterații (max_iter=...) și scalează datele. Scalarea e de obicei cauza reală: când o caracteristică e în mii (venit în lei) și alta în unități (număr de copii), optimizarea înaintează foarte încet. Cu StandardScaler, toate caracteristicile au aceeași scară și algoritmul converge în câțiva pași. În versiunile mai vechi mesajul era lbfgs failed to converge (status=1). În editor, avertismentul e transformat în eroare cu warnings.simplefilter("error", ConvergenceWarning).

De ce apare: cauzele frecvente

1Date nescalate și limită mică de iterații

Greșit
PYTHON
model = LogisticRegression(max_iter=20)
model.fit(X, y)  # venit în lei, vechime în ani
Corect
PYTHON
model = make_pipeline(StandardScaler(), LogisticRegression(max_iter=1000))
model.fit(X, y)

Scalarea aduce caracteristicile la aceeași scară, iar max_iter mai mare lasă algoritmului timp să termine.

2Doar max_iter mărit, fără scalare

Greșit
PYTHON
LogisticRegression(max_iter=100000).fit(X, y)
Corect
PYTHON
make_pipeline(StandardScaler(), LogisticRegression()).fit(X, y)

Cu un număr uriaș de iterații avertismentul poate dispărea, dar antrenarea e lentă. Scalarea rezolvă cauza.

3Rețea neuronală cu prea puține epoci

Greșit
PYTHON
MLPClassifier(max_iter=50).fit(X, y)
Corect
PYTHON
make_pipeline(StandardScaler(), MLPClassifier(max_iter=1000, random_state=0)).fit(X, y)

Rețelele neuronale sunt foarte sensibile la scară și au nevoie, de obicei, de mai multe epoci.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos transformă avertismentele de convergență în erori și se oprește cu ConvergenceWarning: lbfgs failed to converge..., pentru că datele nu sunt scalate, iar limita de iterații e mică. Repară modelul: pune un StandardScaler înaintea regresiei logistice, într-un pipeline, și mărește max_iter la 1000, ca programul să afișeze acuratețea.

Codul care dă eroarea
PYTHON
import warnings
import numpy as np
from sklearn.exceptions import ConvergenceWarning
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler

warnings.simplefilter("error", ConvergenceWarning)

# venit lunar (lei), vechime la job (ani)
X = np.array([[2800, 1], [3000, 6], [3500, 2], [4000, 8], [5200, 1], [6100, 3], [6500, 9], [7000, 2], [8000, 5], [9000, 1]], dtype=float)
y = np.array([0, 1, 0, 1, 0, 1, 1, 1, 1, 1])

model = LogisticRegression(max_iter=20)
model.fit(X, y)
print("Acuratete:", model.score(X, y))
După reparație, programul afișează
Acuratete: 1.0
Indiciu

Folosește make_pipeline(StandardScaler(), LogisticRegression(max_iter=1000)).

Alte forme ale mesajului

  • ConvergenceWarning: lbfgs failed to converge (status=1): STOP: TOTAL NO. OF ITERATIONS REACHED LIMIT.
  • ConvergenceWarning: Stochastic Optimizer: Maximum iterations (200) reached and the optimization hasn't converged yet.
  • ConvergenceWarning: Liblinear failed to converge, increase the number of iterations.
  • ConvergenceWarning: Objective did not converge. You might want to increase the number of iterations.

Cum o eviți pe viitor

Pune mereu un StandardScaler înaintea modelelor liniare, a SVM-urilor, a k-NN și a rețelelor neuronale, ideal într-un Pipeline. Dacă avertismentul apare și cu date scalate, mărește max_iter (1000 este o valoare uzuală) sau încearcă alt solver. Nu ascunde avertismentul cu warnings.filterwarnings("ignore"): modelul poate fi mai slab decât crezi.

Întrebări frecvente

Modelul e inutilizabil dacă apare avertismentul?

Nu neapărat. Modelul are coeficienții de la ultima iterație și poate face predicții, dar e posibil să nu fie cel mai bun. Repară cauza și compară scorul înainte și după.

De ce nu dispare avertismentul doar cu max_iter mai mare?

De obicei dispare, dar uneori datele sunt atât de dezechilibrate ca scară încât ai nevoie de foarte multe iterații. Scalarea rezolvă problema mult mai eficient.

De ce în editor se oprește programul?

Exercițiul folosește warnings.simplefilter("error", ConvergenceWarning), care transformă avertismentul în eroare, ca să-l vezi clar. Pe calculatorul tău, fără linia asta, programul ar continua.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.