最近,我建立了一个统计模型,将负对数概率降到最小.有九个参数需要估计(实际上,我还想再加两个)。在R中使用了几种优化方法,包括optim,GenSA, DEoptim,Solnp。在下一个计算t值的过程中,有必要计算se:但是,由于矩阵不是半正定的,主要对角线元素中存在负数,从而导致了误差的产生。我试过optimHess or numericHessian计算不同的恒心语(黑森人不同),但同样失败了。工作暂停了。
我认为这个问题在
以前使用正向差分近似计算Hessian/Gradient的结果不够精确,所以我想将Hessian/Gradient作为一个可调用的参数添加到least_squares()方法中。这就是我尝试过的-- 使用Sympy,我使用以下方法计算梯度和黑森 gradient_vec = [diff(obj_func, var) for var in (x1, x2, y1, y2)]hess_matr_func = lambdify([