如何子类化scikit-optimize的EarlyStopper作为gp_minimize回调？

你两次实现的错误点分析： #

第一种实现的问题 #

1. 方法缩进错误：_criterion被定义为全局函数，而非StoppingCriterion类的成员方法
2. else语句缩进层级不匹配，与if逻辑脱节
3. 未导入numpy却使用np.sort
4. Python3中父类构造器规范写法应为super().__init__()（非直接报错原因，但不符合编码规范）

第二种实现的问题 #

EarlyStopper是抽象基类，它的__init__方法仅接收self一个参数，不存在patience、relative_improvement这类入参，因此你调用super().__init__(patience=patience, relative_improvement=relative_improvement)会触发参数不匹配的TypeError。

正确的子类化思路与实现 #

EarlyStopper的核心设计是：子类只需实现_criterion方法，该方法接收result对象作为参数，返回True（触发停止）、False（不停止）或None（继续优化）。父类的__call__方法会自动调用_criterion完成停止判断。

示例1：基于最优值差异的停止器 #

import numpy as np
from skopt.callbacks import EarlyStopper

class DiffEarlyStopper(EarlyStopper):
    def __init__(self, delta=0.05, n_best=10):
        super().__init__()
        self.delta = delta
        self.n_best = n_best

    def _criterion(self, result):
        if len(result.func_vals) >= self.n_best:
            sorted_vals = np.sort(result.func_vals)[:self.n_best]
            best = sorted_vals[0]
            worst_top_n = sorted_vals[-1]
            relative_diff = abs((best - worst_top_n) / worst_top_n)
            return relative_diff < self.delta
        return None

示例2：基于patience的停止器 #

from skopt.callbacks import EarlyStopper

class PatienceEarlyStopper(EarlyStopper):
    def __init__(self, patience=15, relative_improvement=0.01):
        super().__init__()
        self.patience = patience
        self.relative_improvement = relative_improvement
        self.best_loss = float("inf")
        self.counter = 0

    def _criterion(self, result):
        current_loss = result.fun
        if current_loss < self.best_loss * (1 - self.relative_improvement):
            self.best_loss = current_loss
            self.counter = 0
            return False
        else:
            self.counter += 1
            return self.counter >= self.patience

使用方式 #

将自定义停止器传入gp_minimize的callback参数即可：

from skopt import gp_minimize
from skopt.space import Real

def objective(x):
    return x[0]**2 + x[1]**2

space = [Real(-5, 5, name='x'), Real(-5, 5, name='y')]
stopper = PatienceEarlyStopper(patience=10, relative_improvement=0.001)
result = gp_minimize(objective, space, n_calls=100, callback=[stopper])

内容的提问来源于stack exchange，提问作者Henri