Zapisywanie FittedModel jest buggy

Question

Z Mathematica 7 i 8 odkryliśmy, że Mathematica nie jest w stanie prawidłowo zapisać i uzyskać wynik dopasowanej procedury. Mam nadzieję, że ktoś tutaj wie: Jaki jest najlepszy sposób obejścia tego błędu?

Naszym zadaniem jest dopasowanie wielu zestawów danych za pomocą NonlinearModelFit, który zwraca FittedModel dla każdego zestawu danych. Te dopasowania trochę potrwają i próbowaliśmy użyć Save i DumpSave do zapamiętania wyników do pliku. Późniejsza analiza wykorzystuje Get, aby pobrać FittedModel (y) z powrotem.

Mathematica wykonuje Save & Otrzymuj bez ostrzeżenia, ale FittedModel, który wraca, jest błędny. Nazywamy Get i ładujemy FittedModel z dysku, wywołaj wynik "foo". Próba foo [10] ocenia dopasowany model za pomocą wejścia 10. Błąd, który widzimy, polega na tym, że foo ["BestFitParameters"] powinien zwrócić listę reguł, ale zamiast tego dodaje łańcuch do funkcji, ponieważ był to numer podobny do 10. Próba foo [{"BestFitParameters", "BestFitParameters"}] powinien dawać reguły dwa razy na liście, ale pozostaje nieoceniony z buggy foo.

Jest to dziwne i mylące zachowanie na górze to, w zależności od tego, czy mamy Usuń/Usuń foo lub opuścić jądra:

• Oblicz FittedModel jak foo
• Zapisz lub DumpSave foo na dysku
• Wyjąć i/lub Wyczyść foo
• Get foo z dysku
• foo działa dobrze

Ale jeśli ponownie uruchomić jądro to nie

• obliczyć FittedModel jak foo
• Zapisz lub DumpSave foo na dysku
• zabić i ponownie uruchomić jądro
• Get foo z dysku
• Foo jest buggy

Czy ktoś wcześniej widział takie zachowanie?

Czy istnieje dobre wytłumaczenie tego błędu?

Czy istnieje dobre obejście tego problemu?

Answer 1

Jest to znany błąd i na szczęście istnieje proste obejście tego problemu. Przed dokonaniem oceny Get, aby odczytać zapisany FittedModel, należy ocenić fałszywy model modelu.

In[1]:= NonlinearModelFit[Range[5], a x, x, a]; 

In[2]:= Get[FileNameJoin[{$HomeDirectory, "Desktop", "bignlm.mx"}]]; 

In[3]:= AbsoluteTiming[nlm["BestFitParameters"]] 

Out[3]= {17.6010000, {a -> 1.45015, b -> 2.33999}} 

Jeżeli wstępna ocena jest pomijany, dopasowanego modelu nie wydaje się działać poprawnie jak stwierdził podobno z powodu awarii automatycznie załadować cały kod zależną, która implementuje funkcjonalność. Ocena In[1] zasadniczo wymusza ładowanie.