R中的Optim()函数
R中的Optim()函数
提问于 2022-01-12 08:43:45
我正在尝试使用R的optim()函数来优化具有绑定的函数的参数。下面是函数：函数，因为mathjax不工作。下面的代码片段是我实现的它的日志-似然函数，即这里
likelihood_levy <- function(params, x){
mu <- params[1]
sigma <- params[2]
n <- length(x)
ans <- ((1.5 * n) * log(sigma)) +
sum(log(1 / (x - mu))) -
(n * log(sqrt(2*pi) * sigma)) -
(0.5 * sigma * sum(1 / (x - mu)))
}
return(ans)
}
optim(c(-10, 2), likelihood_levy, x = sample1, method="L-BFGS-B",
lower = c(min(sample1) - 0.001, 0))如何向函数定义中添加参数边界？例如，第一个参数必须小于x，第二个参数不应该低于0。
注意:如果我使用optim()函数的“L B”方法，我会得到一个错误：“L B需要‘fn’的有限值”--任何解决这个问题的方法都会很好！
谢谢!
回答 2
Stack Overflow用户
回答已采纳
发布于 2022-01-12 13:37:25
有许多问题：
- 返回语句之前有一个多余的右大括号。
- 即使更低的值确保x- mu是正的，当计算数值梯度时，我们仍然会遇到问题，所以使用导数自由方法(我们在下面做的)，或者向optim提供一个梯度函数。
- optim计算最小值，但我们需要的是最大的可能性，而不是最小的可能性。告诉optim最大化(我们在下面做的)，或者使用负日志可能性而不是日志可能性。
- 起始值应该是可行的，即在满足mu < min(x)的约束条件下，可以计算出对数似然并产生一个有限值。
- 我们需要处理mu < min(x)不成立的情况。
- sample1不见了，所以我们不能重现问题中的问题。
修复我们所有的这些
likelihood_levy <- function(params, x){
mu <- params[1]
sigma <- params[2]
n <- length(x)
ans <- if (mu >= min(x)) -Inf
else ((1.5 * n) * log(sigma)) +
sum(log(1 / (x - mu))) -
(n * log(sqrt(2*pi) * sigma)) -
(0.5 * sigma * sum(1 / (x - mu)))
return(ans)
}
set.seed(123)
sample1 <- rnorm(25)
st <- c(min(sample1) - 0.001, 1)
res <- optim(st, likelihood_levy, x = sample1, control = list(fnscale = -1))
str(res)给予
List of 5
$ par : num [1:2] -2.25 1.61
$ value : num -46.6
$ counts : Named int [1:2] 45 NA
..- attr(*, "names")= chr [1:2] "function" "gradient"
$ convergence: int 0
$ message : NULLStack Overflow用户
发布于 2022-01-12 09:46:03
问题是，函数likelihood_levy要么返回大于.Machine$double.xmax的值，要么在函数中发生除法。这条线可能是罪魁祸首：
sum(log(1 / (x - mu))) 如果x等于或非常接近mu，就会出现问题。您可以添加一些防御代码来检查这一点。然而：
第一个参数必须小于x。
我不认为optim有办法做到这一点
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/70678537
复制相关文章
相似问题
腾讯云开发者
