Как я могу сделать регрессию максимального правдоподобия, используяscipy.optimize.minimize? Я специально хочу использоватьminimize здесь, потому что у меня сложная модель и мне нужно добавить некоторые ограничения. В настоящее время я пытаюсь простой пример, используя следующее:

from scipy.optimize import minimize

def lik(parameters):
    m = parameters[0]
    b = parameters[1]
    sigma = parameters[2]
    for i in np.arange(0, len(x)):
        y_exp = m * x + b
    L = sum(np.log(sigma) + 0.5 * np.log(2 * np.pi) + (y - y_exp) ** 2 / (2 * sigma ** 2))
    return L

x = [1,2,3,4,5]
y = [2,3,4,5,6]
lik_model = minimize(lik, np.array([1,1,1]), method='L-BFGS-B', options={'disp': True})

Когда я запускаю это, конвергенция не удается. Кто-нибудь знает, что не так с моим кодом?

Я получаю сообщение «ABNORMAL_TERMINATION_IN_LNSRCH». Я использую тот же алгоритм, который я использую, используяoptim в Р.